Académique Documents
Professionnel Documents
Culture Documents
FDRALE DE LAUSANNE
Cours dAnalyse I et II
Section
Microtechnique
Dr. Philippe Chabloz
septembre 2008
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2 Suites r
eelles et s
eries num
eriques
2.1 Suites reelles . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1 Definitions . . . . . . . . . . . . . . . . . . . . . . . .
2.1.2 Convergence dune suite . . . . . . . . . . . . . . . . .
2.1.3 Proprietes de convergence des suites . . . . . . . . . .
2.1.4 Sous-suites et points daccumulation . . . . . . . . . .
2.1.5 Suites de Cauchy . . . . . . . . . . . . . . . . . . . . .
2.2 Suites recurrentes . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.1 Methodes pour trouver la limite dune suite recurrente
2.3 Series . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.1 Convergence dune serie . . . . . . . . . . . . . . . . .
2.3.2 Proprietes des series . . . . . . . . . . . . . . . . . . .
2.3.3 Series `a termes positifs . . . . . . . . . . . . . . . . . .
2.3.4 Series alternees . . . . . . . . . . . . . . . . . . . . . .
2.3.5 Serie absolument convergente . . . . . . . . . . . . . .
iii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
1
1
2
3
4
5
5
6
7
8
8
9
11
12
14
15
17
17
17
18
19
.
.
.
.
.
.
.
.
.
.
.
.
.
.
21
21
21
22
26
28
28
28
29
31
31
33
34
36
38
`
TABLE DES MATIERES
iv
2.4
2.5
Definition du nombre e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Un petit resume de quelques series . . . . . . . . . . . . . . . . . . . . . . .
3 Fonctions r
eelles et continuit
e
3.1 Definitions generales . . . . . . . . . . . .
3.2 Fonctions reelles . . . . . . . . . . . . . .
3.3 Quelques fonctions reelles elementaires . .
3.4 Representation des courbes planes . . . .
3.5 Valeur limite dune fonction `a linfini . . .
3.6 Valeurs limites en un point et continuite .
3.6.1 Definitions . . . . . . . . . . . . .
3.6.2 Proprietes des limites . . . . . . .
3.6.3 Exemples . . . . . . . . . . . . . .
3.6.4 Prolongement par continuite . . .
3.6.5 Proprietes des fonctions continues
40
43
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
45
45
46
47
53
55
56
56
59
60
63
64
4 D
eriv
ees et applications
4.1 La derivee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.1 Definitions . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.3 Regles de calculs . . . . . . . . . . . . . . . . . . . . . . . .
4.1.4 Derivees des fonctions elementaires . . . . . . . . . . . . . .
4.1.5 Derivee de la fonction reciproque . . . . . . . . . . . . . . .
4.1.6 Quelques exemples . . . . . . . . . . . . . . . . . . . . . . .
4.2 Derivee des fonctions implicites . . . . . . . . . . . . . . . . . . . .
4.2.1 Representation parametrique . . . . . . . . . . . . . . . . .
4.3 Theor`eme de la moyenne . . . . . . . . . . . . . . . . . . . . . . . .
4.3.1 Quelques theor`emes . . . . . . . . . . . . . . . . . . . . . .
4.3.2 La r`egle de Bernoulli-lHospital . . . . . . . . . . . . . . . .
4.3.3 Comparaison des croissances des fonctions (ln x) , x et ex
4.4 Derivees dordres superieurs . . . . . . . . . . . . . . . . . . . . . .
4.5 Etude de fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.5.1 Croissance et extremum . . . . . . . . . . . . . . . . . . . .
4.5.2 Courbure et point dinflexion . . . . . . . . . . . . . . . . .
4.6 Developpement limite et serie de Taylor . . . . . . . . . . . . . . .
4.6.1 Definitions . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.6.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.6.3 Operations sur les developpements limites . . . . . . . . . .
4.6.4 Application : calcul de limite . . . . . . . . . . . . . . . . .
4.6.5 Application aux extremums . . . . . . . . . . . . . . . . . .
4.7 Resolution numerique dequations : methode de Newton . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
67
67
67
69
70
71
73
74
75
77
78
78
80
84
85
86
86
88
89
89
92
95
96
97
98
5 Calcul int
egral
5.1 Lintegrale definie . . . . . . . . . . . . . . . . . .
5.1.1 Definition par sommes de Riemann . . . .
5.1.2 Proprietes de lintegrale definie . . . . . .
5.1.3 Theor`eme fondamental du calcul integral
5.2 Primitives . . . . . . . . . . . . . . . . . . . . . .
5.2.1 Definition et proprietes . . . . . . . . . .
5.2.2 Recherche des primitives . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
101
101
101
102
103
105
105
106
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
`
TABLE DES MATIERES
5.3
5.4
5.5
5.6
5.7
. . . . . . . . . . . . . . . . .
de fonctions trigonometriques
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
110
113
114
115
115
117
119
119
121
122
124
126
126
128
130
131
6 Equations diff
erentielles ordinaires
6.1 Introduction et definitions . . . . . . . . . .
6.2 Equation differentielle du premier ordre . .
6.2.1 Equation separable . . . . . . . . . .
6.2.2 Equation homog`ene en x et y . . . .
6.2.3 Equation lineaire . . . . . . . . .
. .
ax+by+c
0
6.2.4 Equation du type y = dx+ey+f
6.2.5 Equation de Bernoulli . . . . . . . .
6.3 Equation differentielle du 2`eme ordre . . . .
6.3.1 Equation sans terme y . . . . . . . .
6.3.2 Equation autonome (sans terme x) .
6.3.3 Equation lineaire . . . . . . . . . . .
6.3.4 Equation de Ricati . . . . . . . . . .
6.3.5 Equation differentielle dEuler . . . .
6.4 Applications . . . . . . . . . . . . . . . . . .
6.4.1 Position dequilibre dun cable . . .
6.4.2 Phenom`enes oscillatoires . . . . . . .
6.4.3 Circuit RLC serie . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
133
133
134
134
136
137
141
142
142
142
142
143
149
149
150
150
151
155
7 Calcul diff
erentiel `
a plusieurs variables
7.1 Lespace Rn . . . . . . . . . . . . . . . .
7.1.1 Structures sur Rn . . . . . . . . .
7.1.2 Suites et limites . . . . . . . . .
7.1.3 Fonction et continuite . . . . . .
7.2 Courbes dans Rn . . . . . . . . . . . . .
7.2.1 Definition . . . . . . . . . . . . .
7.2.2 Derivabilite . . . . . . . . . . . .
7.2.3 Longueur dune courbe . . . . . .
7.2.4 Angle entre deux courbes . . . .
7.3 Fonctions reelles `a plusieurs variables . .
7.3.1 Graphe . . . . . . . . . . . . . .
7.3.2 Ensembles et courbes de niveau .
7.4 Derivees partielles . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
159
159
159
160
161
163
163
164
166
168
168
168
168
170
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
`
TABLE DES MATIERES
vi
7.5
7.6
7.7
7.8
7.4.1 Gradient . . . . . . . . . . . . . . . . . . . . . . .
7.4.2 R`egles de derivation . . . . . . . . . . . . . . . .
7.4.3 Derivee directionnelle . . . . . . . . . . . . . . .
7.4.4 Gradient et (hyper)-plan tangent . . . . . . . . .
7.4.5 Gradient et courbes de niveau . . . . . . . . . . .
7.4.6 Derivees partielles dordres superieurs . . . . . .
Etude de fonction . . . . . . . . . . . . . . . . . . . . . .
7.5.1 Extremum . . . . . . . . . . . . . . . . . . . . . .
7.5.2 Classification des points stationnaires . . . . . .
Theor`eme des fonctions implicites . . . . . . . . . . . . .
7.6.1 Exemple . . . . . . . . . . . . . . . . . . . . . . .
7.6.2 Cas general . . . . . . . . . . . . . . . . . . . . .
Extremum sous contraintes : multiplicateur de Lagrange
7.7.1 Multiplicateur de Lagrange . . . . . . . . . . . .
7.7.2 Contraintes multiples . . . . . . . . . . . . . . .
Fonctions de Rn dans Rm . . . . . . . . . . . . . . . . .
7.8.1 Gradient . . . . . . . . . . . . . . . . . . . . . . .
7.8.2 Application : changement de coordonnees . . . .
8 Int
egrales multiples
8.1 Integrales doubles . . . . . . . . . . . . . . . . . . .
8.1.1 Definition et interpretation geometrique . .
8.1.2 Proprietes de lintegrale double . . . . . . .
8.1.3 Calcul effectif . . . . . . . . . . . . . . . . .
8.1.4 Applications . . . . . . . . . . . . . . . . .
8.1.5 Integration sur tout R2 . . . . . . . . . . .
8.1.6 Changement de variables . . . . . . . . . .
8.1.7 Application : coordonnees polaires . . . . .
8.2 Integrales triples . . . . . . . . . . . . . . . . . . .
8.2.1 Definition . . . . . . . . . . . . . . . . . . .
8.2.2 Calcul effectif . . . . . . . . . . . . . . . . .
8.2.3 Changement de variables . . . . . . . . . .
8.3 Integrales de surfaces . . . . . . . . . . . . . . . . .
8.3.1 Representation parametrique dune surface
8.3.2 Calcul de laire dune surface . . . . . . . .
8.3.3 Cas explicite z = f (x, y) . . . . . . . . . . .
8.4 Integrales dependant dun param`etre . . . . . . . .
8.5 Integrales curvilignes . . . . . . . . . . . . . . . . .
8.5.1 Integration dun champ scalaire . . . . . . .
8.5.2 Integration dun champ vectoriel . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
172
173
175
176
177
179
182
182
185
192
192
193
197
197
200
201
201
204
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
209
209
209
210
210
213
217
219
221
222
222
223
223
227
227
228
229
230
233
233
233
Chapitre 1
1.1.1
D
efinitions et notations
On note
N = {0, 1, 2, 3, . . .}
1.1.2
D
emonstration par r
ecurrence
n n0
P (k) k {n0 , n0 + 1 , . . . , n}
= P (n + 1).
Exemples 1.1.
(a) Montrons que
n(n + 1)
n 1.
2
1) Laffirmation est vraie pour n = 1 car 1 = 12
2 .
2) Supposons la formule vraie pour n 1 et montrons-la pour n + 1.
S(n) = 1 + 2 + 3 + + n =
S(n + 1) = 1 + 2 + 3 + + n + (n + 1) =
n(n + 1) + 2(n + 1)
n(n + 1)
+n+1=
2
2
n2 + 3n + 2
(n + 1)(n + 2)
=
2
2
ce qui montre que la formule reste vraie pour n + 1.
=
1
n(n + 1)(2n + 1) + 6n2 + 12n + 6
6
1
1 3
=
2n + 9n2 + 13n + 6 = (n + 1)(n + 2)(2n + 3)
6
6
ce qui demontre la formule pour n + 1.
=
1.1.3
Nombres premiers
D
efinition 1.2. On dit quun entier n N est premier sil est 2 et quil nest divisible
que par 1 et par lui-meme.
Exemple 1.3. 2, 3, 5, 7, 11, ... sont premiers alors que 0, 1, 8, 9, 16, 22 ne le sont pas.
Th
eor`
eme 1.4. Tout nombre naturel n > 1 secrit de mani`ere unique comme produit de
nombres premiers, i.e.
n = pe11 pe22 perr
o`
u p1 < p2 < < pr sont des premiers uniques et les ei sont des entiers 1 egalement
uniquement determines par n.
De plus, les nombres premiers p1 , p2 , , pn sont les uniques nombres premiers divisant n.
monstration : (par recurrence)
De
Ici, le debut de la recurrence est n0 = 2.
1) Si n = 2, alors le theor`eme est vrai car 2 est premier.
2) Supposons lenonce vrai pour tout entier k tel que 2 k n et considerons n + 1.
Si n + 1 est un nombre premier, alors laffirmation est vraie.
Sinon, on a n + 1 = md avec 1 < m, d n. Par hypoth`ese de recurrence, le theor`eme est
vrai pour d et m. Ainsi
d = pe11 pe22 . . . perr
m = q1c1 q2c2 . . . qscs
u les pi et les qj sont des nombres premiers.
et donc n + 1 = pe11 pe22 . . . perr q1c1 q2c2 . . . qscs o`
Lunicite de cette decomposition est admise sans preuve ici.
Th
eor`
eme 1.5 (Euclide). Il existe une infinite de nombres premiers
monstration :
De
Supposons, par labsurde, quil existe un nombre fini n de premiers et notons-les p1 , p2 ,
. . .pn . Soit
N = p1 p2 pn + 1.
Par les theor`emes precedents, il est alors divisible par un nombre premier cest-`a-dire quil
existe un pi qui divise N . Mais comme pi divise egalement le produit p1 p2 pn , il doit
diviser aussi la difference, cest-`a-dire N p1 p2 pn = 1 ce qui est absurde. Il existe donc
une infinite de nombres premiers.
1.1.4
La formule du bin
ome
D
efinition 1.6 (Coefficients binomiaux). On pose, pour tout n N et pour tout k n, k
N.
n
n!
n(n 1)(n 2) (n k + 1)
=
=
.
k
k!(n k)!
k(k 1)(k 2) 2 1
Remarque 1.7. Par symetrie de la definition, on a toujours
n
n
=
k
nk
4
4!
Exemple 1.8.
=
=6
2
2!2!
4
4!
=
=4
3!1!
3
5
54
=
= 10
2
2
Propri
et
es : On a, entre autres,
n
n
1.
=
= 1.
0
n
n
n
2.
=
= n pour tout n 1.
1
n1
n
n
n+1
3.
+
=
(cf. exercices)
k
k1
k
Le triangle de Pascal
Les formules 1-3 ci-dessus permettent de construire le triangle de Pascal.
n n1
n n2 2
n
n
n
(a + b) = a +
a
b +
a
b + ... +
abn1 + bn
1
2
n1
n
X
n nk k
=
a
b .
k
k=0
En particulier, on a
(a + b)2 = a2 + 2ab + b2
(a + b)3 = a3 + 3a2 b + 3ab2 + b3
(a + b)4 = a4 + 4a3 b + 6a2 b2 + 4ab3 + b4
n
n
n n+1
n
+
+
ab +
b
n
n1
n
n+1
n + 1 n+1
n+1 n
n + 1 n1 2
n+1
n + 1 n+1
n
=
a
+
a b+
a
b + +
ab +
b
0
1
2
n
n+1
(par la propriete 3 ci-dessus)
n+1
X n + 1
an+1k bk .
=
k
k=0
1.2
On definit
Q={
m
; m Z, n Z }
n
avec lequivalence
m
m0
= 0 mn0 = m0 n.
n
n
Cest lensemble des nombres rationnels.
Dans Q, les 4 operations sont toujours possibles `a lexception, bien s
ur, de la division par
0. On dit que Q est un corps.
Probl`eme : il existe des longueurs dans le plan ne correspondant `a aucun nombre rationnel.
En effet considerons la diagonale
du carre de cote egal `a 1. Alors par Pythagore, sa longueur
l doit satisfaire l2 = 1, donc l = 2. Or
p
monstration : Supposons, par labsurde, quil existe p, q Z avec 2 = et supposons
De
q
que la fraction est reduite, cest-`a-dire que p et q sont premiers entre eux (pgcd(p,q)=1).
En elevant au carre, on obtient
p2
=2
q2
1.3. LES NOMBRES REELS
ce qui donne 2q 2 = p2 . Lentier p2 est donc pair ce qui signifie que p lest aussi. Donc p = 2p0
et alors on a
2q 2 = p2 = (2p0 )2 = 4p02 .
En divisant par 2, on obtient q 2 = 2p02 ce qui
montre que q est egalement pair ce qui
contredit le fait que la fraction est reduite. Donc 2 6 Q .
De ce fait on introduit
1.3
1.3.1
Les nombres r
eels
Introduction
On note R lensemble des nombres reels. On peut voir les nombres reels comme toutes les
longueurs geometriques obtenues le long du droite.
Representation :
2 (algebrique).
N o`
u N N. Alors
N N si N est un carre dans N
N 6 Q sinon.
La demonstration est une generalisation de celle faite pour demontrer que
2 est irrationnel.
1.3.2
D
eveloppement d
ecimal
Th
eor`
eme 1.16. Soit r un nombre reel. Alors r est rationnel si et seulement si son
developpement decimal est periodique.
monstration :
De
Montrons dabord que si r est rationnel, alors son developpement decimal est periodique.
Soit r = m
n . On peut supposer m < n. Alors
r=
m
= 0, c1 c2 c3 c4 . . .
n
o`
u les ci sont obtenus par une division euclidienne. Les restes successifs ri sont toujours
< n. Apr`es au plus n divisions, on retrouvera donc un reste rj egal `a un reste precedent ri
et le processus de division devient periodique.
Le developpement devient donc periodique `a partir de la decimale ci . Notons que la longueur
de la periode est au plus egale `a n.
Exemple 1.17.
2
=
7
0, c1 c2 . . . cn
N
.
1
10n
Exemples 1.18.
1) Soit r = 0, 34526.
s = 0, 526, N = 526, n = 3.
Alors
s=
526
526
=
103 1
999
et
34
526
8623
+
=
.
100 99900
24975
2) Soit s = 0, 13. Alors N = 13, n = 2 et
r=
s=
13
13
= .
1
99
102
1.3. LES NOMBRES REELS
1.3.3
Dans cette section, S designera soit Q soit R et A sera un sous-ensemble non vide de S.
D
efinition 1.19. A est dit major
e (resp. minor
e) dans S sil existe s S tel que a s
(resp. a s) pour tout a A.
Lelement s S est appele un majorant (resp. un minorant) de A.
Le sous-ensemble A est dit born
e sil est `a la fois majore et minore.
Remarques :
1) Lelement s nappartient pas necessairement `a A.
2) Si A poss`ede un majorant, alors il en poss`ede une infinite. En effet, si s est un majorant
de A, alors tout t S tel que t s est aussi un majorant.
D
efinition 1.20 (Borne superieure ou supremum). Un majorant s de A est appele une
borne sup
erieure ou supremum de A sil est le plus petit des majorants, cest-`a-dire si,
pour tout autre majorant s0 de A, on a s s0 .
On note alors s = sup A.
Si A nest pas majore, on pose sup A =
D
efinition 1.21 (Borne inferieure ou infimum). Un minorant s de A est dit borne inf
erieure
ou infimum de A sil est le plus grand des minorants.
On note alors s = inf A.
Si A nest pas minore, on pose inf A = .
Remarque : Si le supremum (resp. linfimum) existe, il est unique.
Remarque : Si le supremum (resp. linfimum) de A appartient `a A, on dit que cest le
maximum (resp. le minimum) de A et on le note max A (resp. min A).
Exemple 1.22. soit A =]0; 1], S = R alors sup A = 1 = max A et inf A = 0 6 A
Propri
et
es des nombres r
eels
(C) Dans R, tout sous-ensemble (non vide) poss`ede une borne superieure et une borne
inferieure.
et
inf A = 2.
1.4
1.4.1
Dans R,
4 operations possibles ;
toutes les racines n-i`emes de tous les nombres positifs existent.
MAIS
dans R.
4,
5,
2
3 i,
1 43 i
Terminologie
Soit z = a + bi un nombre complexe. Le nombre reel a est appele la partie r
eelle de z et
est note Re(z).
Le nombre reel b est la partie imaginaire de z et est note Im(z).
Si b = 0, z est r
eel.
Si a = 0, alors z est dit imaginaire (pur)
On definit les 4 operations dans C de la mani`ere suivante :
Addition :
z1 = a + bi
z2 = c + di
z1 + z2 = (a + bi) + (c + di) = (a + c) + (b + d)i
Oppos
e:
Si z = a + bi, alors
z = a bi.
Exemples 1.25.
(1 + i) + (3 4i) = (1 + 3) + (1 4)i = 4 3i
3
3
( 2 + 3i) + (1 + i) = 2 + 1 + ( 3 + )i
2
2
(2 i) (1 + 4i) = 2 1 i 4i = 1 5i
Multiplication :
Si z1 = a + bi et z2 = c + di alors
z1 z2 = (a + bi)(c + di) = ac + adi + bci + bdi2 = ac bd + (ad + bc)i
car i2 = 1.
Inverse :
Tout nombre complexe z 6= 0 a un inverse : si z = a + bi alors
1
a
b
a bi
= 2
2
i
= 2
2
2
z
a +b
a +b
a + b2
Verification :
z
1
a bi
(a + bi)(a bi)
a2 abi + abi b2 i2
= (a + bi) 2
=
=
z
a + b2
a2 + b2
a2 + b2
a2 + b2
= 2
= 1.
a + b2
Commutativite :
z1 + z2 = z2 + z1
z1 z2 = z2 z1
2.
Associativite :
(z1 + z2 ) + z3 = z1 + (z2 + z3 )
z1 (z2 z3 ) = (z1 z2 )z3
3.
Distributivite de laddition
par rapport `a la multiplication :
1.4.2
z1 (z2 + z3 ) = z1 z2 + z1 z3
Repr
esentation dans le plan, module et argument
D
efinition 1.26. Soit z = a + bi.
10
a2 + b2 (toujours 0).
L argument de z est le nombre reel arg(z) = defini par les deux egalites :
a
a
cos =
=
2
2
|z|
a +b
b
b
sin =
=
2
2
|z|
a +b
b
ATTENTION : On a tan() = mais nest pas toujours egal `a arctan
a
b
.
a
|z| =
(2)2 + 62 =
40
r = |z| = 6
arg(z) = .
3) z = 3i P (0; 3)
r = |z| = 3
arg(z) = .
2
1.4.3
11
Conjugu
e complexe
Si z = a + bi, on definit
z = a bi.
On a alors
zz = (a + bi)(a bi) = a2 (bi)2 = a2 + b2 = |z|2 .
Quelques propri
et
es
1) zz = |z|2
2) z = z ;
z
1
= 2.
z
|z|
z+w =z+w
3) |z| = |z| ;
arg(z) = arg(z).
4) z + z = 2a ;
z z = 2bi
5) z 2 = (z)2 car
2
(a + bi)2 = a2 b2 + 2abi = a2 b2 2abi = (a bi)2 = a + bi .
Consequence :
zw = z w
12
7) Inegalite du triangle :
|z + w| |z| + |w|
monstration :
De
On a dabord
|z| =
a2 + b2 a2 = |a| a = Re(z).
()
Alors
|z + w|2 = (z + w)(z + w) = (z + w)(z + w)
= zz + zw + wz + ww
= |z|2 + zw + wz + |w|2
= |z|2 + |w|2 + 2Re(zw)
par (*) |z|2 + |w|2 + 2|zw|
= |z|2 + |w|2 + 2|z||w| = (|z| + |w|)2 .
Donc |z + w| |z| + |w|.
1.4.4
Forme trigonom
etrique
r cos() + r sin()i
r(cos + i sin ).
Le nombre z est enti`erement determine par son module et son argument. On note alors
z = [r; ] = r(cos + i sin )
Cest la forme trigonometrique de z.
Exemples 1.28. 1) z = 6 = [6; ]
2) z = 2 + 6i = [ 40; 1.8925]
3) z = 3i = [3; /2].
Produit et inverse sous forme trigonom
etrique
Soient
z1 = [r1 ; 1 ] = r1 (cos 1 + i sin 1 )
et
Alors
z1 z2 = r1 r2 (cos 1 + i sin 1 )(cos 2 + i sin 2 )
= r1 r2 (cos 1 cos 2 sin 1 sin 2 ) + i(cos 2 sin 1 + cos 1 sin 2 )
= r1 r2 [cos(1 + 2 ) + i sin(1 + 2 )] .
13
et
Ainsi
largument dun produit est egal `a la somme des arguments.
Il sensuit que
1
z
1
arg
= arg
= arg
+ arg(z) = 0 arg(z) = arg(z).
z
|z|2
|z|2
On en deduit
arg
z1
z2
= arg(z1 ) + arg
1
z2
= arg(z1 ) arg(z2 )
En resume
1. [r1 ; 1 ] [r2 ; 2 ] = [r1 r2 ; 1 + 2 ]
2.
[r1 ; 1 ]
r1
=
; 1 2
[r2 ; 2 ]
r2
3. z n = [r; ]n = [rn ; n ]
(1 + i)9
Exemple 1.29. Calculons z =
.
(1 i)7
On a 1 + i = [ 2; ] et 1 i = [ 2; ]. Alors
4
4
"
#
[ 2; /4]9
[ 2 ; 9/4]
[16 2; 9/4]
16 2
; 9/4 (7/4)
z=
= 7
=
=
[ 2; /4]7
[8 2; 7/4]
8 2
[ 2 ; 7/4]
= [2; 4] = [2; 0] = 2.
Applications :
Soit z = [1; ] = cos() + i sin().
Alors
z n = [1n ; n] = [1; n] = cos(n) + i sin(n).
Donc
(cos() + i sin())n = cos(n) + i sin(n)
Formule de Moivre
14
En particulier, si n = 3, on trouve
cos(3) + i sin(3) = (cos + i sin )3
= cos3 + 3i cos2 sin + 3i2 cos sin2 + i3 sin3
= cos3 3 cos sin2 + i(3 cos2 sin sin3 )
On en deduit les formules trigonometriques pour le triple dun angle :
cos(3) = cos3 3 cos sin2
sin(3) = 3 cos2 sin sin3
Remarque 1.30.
1. z = 0 na pas de forme trigonometrique car son argument nest pas defini. En revanche
|0| = 0.
2. Largument nest defini qu`a un multiple de 2 pr`es. Ainsi
[r; ] = [r; + k 2]
k Z.
1.4.5
Multiplication par w = r.
15
prise du conjugue : z 7 z.
(V) etc....
1.4.6
Racines n-i`
eme dun nombre complexe
Soit z = [r; ] un nombre complexe (donne sous forme trigo) et n un entier 1. On cherche
tous les nombre complexes w tels que
wn = z
racines n-i`eme de z.
sn = r
n = + k 2
(
s= nr
2
= +k
n
n
k Z.
kZ
kZ
2
wk = n r; + k
n
n
k = 0, 1, 2, . . . , n 1.
kZ
Exemples 1.31.
1) z = 1 = [1; 0]. Les racines n-i`eme de 1 sont
2
2
n
wk =
1; 0 + k
= 1; k
n
n
(On a w0 = [1, 0] = 1)
k = 0, 1, 2 . . . , n 1.
16
3
2
2
2
1
w1 = [1; ] = 1(cos
+ i sin ) = +
i =: j
3
3
3
2
2
2
4
4
1
3
w2 = [1; 2
] = 1(cos
+ i sin ) =
i =: j
3
3
3
2
2
j 3 = j = 1.
Ainsi, dans C, le polynome X 3 1 se decompose en
X 3 1 = (X 1)(X 2 + X + 1) = (X 1)(X j)(X j).
Cas particulier : racines carr
ees ( n = 2 )
Le nombre complexe z = [r, ] a deux racines carrees qui sont donnees par
w0 = [ r; ]
2
w1 = [ r; + ] = w0 .
2
Dans ce cas precis des racines carrees, on peut egalement resoudre le probl`eme sans passer
par la forme trigonometrique . En effet, si z = a + bi est donne, on cherche w = u + vi tel
que w2 = z, i.e
(u + vi)2 = u2 v 2 + 2uvi = a + bi
ce qui donne le syst`eme
u2 v 2 = a
2uv = b
()
Exemples 1.32.
1) Cherchons les 2 racines carrees du nombre z = i. On resoud le syst`eme (*)
2
u v2 = 0
2uv = 1
ce qui donne
u = v
uv = 12 .
1
2
1.5. POLYNOMES
ET RACINES
2) Trouver les 2 racines carrees de z = 34i. On a |z| =
Ainsi
z = [5; 0.9273]
17
9 + 16 = 5 et arg(z) = 0.92729.
et donc
0.9273 h
0.9273
0.9273 i
5;
= 5 cos
+ i sin
= 2 i.
w0 =
2
2
2
Et alors w1 = w0 = 2 + i.
Pas de choix canonique.
1 = 1 = (1)(1) = 1 1 = i i = 1
1.5
1.5.1
!!!!!!!!
Polyn
omes et racines
D
efinition et division euclidienne
RR
avec P (z0 ) = 0 R = 0.
En resume, un polynome poss`ede z0 comme racine si et seulement sil est divisible par xz0 .
Corollaire 1.33. Un polyn
ome de degre n poss`ede au plus n racines.
1.5.2
Th
eor`
eme fondamental de lalg`
ebre
Le corps C des nombres complexes joue un role capital dans lexistence des zeros dun
polynome `a cause du theor`eme suivant :
Th
eor`
eme 1.34 (Theor`eme fondamental de lalg`ebre). Tout polyn
ome P (x) de degre 1
`
a coefficients dans C a (au moins) une racine dans C.
18
Sans demonstration.
En utilisant la division euclidienne, on peut formuler ce theor`eme ainsi :
Tout polyn
ome `
a coefficients dans C se factorise en un produit de polyn
omes de degre 1.
Polyn
ome `
a coefficients r
eels
Proposition 1.35. Soit P (x) = an xn + + a1 x + a0 un polyn
ome `
a coefficients r
eels :
ak R. Si z C est un zero de P (x), alors z lest aussi.
monstration :
De
On a par hypoth`ese P (z) = 0, cest-`a-dire
an z n + + a1 z + a0 = 0.
En prenant le conjugue des deux cotes de cette egalite, on obtient
an z n + + a1 z + a0 = 0.
Mais comme les ak sont reels, on a ak = ak pour tout k et donc an z n + + a1 z + a0 = 0
ce qui montre que P (z) = 0
n
Y
(x zi )
(n = degre de P ).
i=1
Si zi nest pas reel, alors zi doit aussi apparatre dans cette decomposition par la proposition
precedente. En multipliant les 2 termes
(x zi )
et
(x zi )
on obtient le polynome
x2 (zi + zi )x + zi zi = x2 2Re(zi )x + |zi |2
qui est `a coefficients reels.
1.5.3
b b2 4ac
z1,2 =
avec a, b, c C.
2a
1.5. POLYNOMES
ET RACINES
1.5.4
19
Equations de degr
e3
y2,3 =
v + w v w
3 i (complexes)
2
2
+ k 2
3
yk = 2 S cos(
) k = 0, 1, 2.
3
Exemple 1.37.
Considerons lequation x3 21x2 + 123x 247 = 0. En posant y = x 7, on obtient
(y + 7)3 21(y + 7)2 + 123(y + 7) 247 = 0
ou encore
y 3 24y 72 = 0.
x1 = y1 + 7 = 13
et
x2,3 = y2,3 + 7 = 4 3i.
Remarque g
en
erale
Il faut noter que le theor`eme fondamental de lalg`ebre ne donne aucune methode pour calculer les racines dun polynome quelconque.
Galois et Abel ont meme demontre quil nexiste aucune formule generale pour un polynome
quelconque de degre 5.
Chapitre 2
Suites r
eelles et s
eries num
eriques
2.1
2.1.1
Suites r
eelles
D
efinitions
D
efinition 2.1 (Suite). Une suite r
eelle est une suite
a1 , a2 , a3 , a4 , . . .
de nombres reels, lindice parcourant tous les nombres entiers. Ce nest donc rien dautre
quune fonction
a : N R
o`
u lon note an plutot que a(n). Lelement an est appele le terme general de la suite qui est
defini en fonction de n.
La suite, cest-`a-dire lensemble de tous les termes, est notee {an }.
Exemple 2.2.
1. La formule
9n 20
n2
definit une suite dont les premiers termes sont
an =
a1 = 11,
1
a2 = ,
2
7
a3 = ,
9
a4 = 1,
a5 = 1, . . .
On peut reporter les valeurs an sur la droite reelle. Les points obtenus sont appeles les
points ou les nombres de la suite.
D
efinition 2.3.
1. Une suite est constante si le terme gen
eral ne depend pas de n.
22
9n 20
.
n2
Alors
9(n + 1) 20 9n 20
(n + 1)2
n2
9n3 + 9n2 20n2 9n3 18n2 9n + 20n2 + 40n + 20
=
n2 (n + 1)2
9n2 + 31n + 20
=
n2 (n + 1)2
(n 4)(9n + 5)
=
<0
pour tout n 5.
n2 (n + 1)2
an+1 an =
2.1.2
D
efinition 2.4 (Voisinage). Soit > 0 un nombre reel et a R. Alors lintervalle
]a ; a + [
est appele un -voisinage de a et est note v (a). Cest donc lensemble des x R tels que
|x a| < .
D
efinition 2.5 (suite convergente). On dit quune suite {an } converge vers a si tout
-voisinage de a contient presque tous les points de la suite.
Autrement dit, si pour tout > 0, il existe N = N dependant de , tel que
|an a| <
n > N .
On note alors
lim an = a.
2.1. SUITES REELLES
23
Exemples 2.6.
1) La suite definie par an =
1
n
|an 0| <
1
1
< n > .
n
On choisit donc N = E( 1 ) et on est assure que d`es que n > N , alors |an | < . Donc
lim
1
= 0.
n
9n 20
2) an =
. Alors lim an = 0
n
n2
monstration : Soit > 0. Alors
De
9n 20 9n
9
|an 0| =
< 2 = <
2
n
n
n
d`es que n > 9 . Il suffit donc de prendre
9
N = E
+ 1.
n N, x ] 1; [.
monstration de line
galite
de Bernoulli : On proc`ede par recurrence.
De
1) Si n = 0, on a bien (1 + x)0 = 1 1 + 0 x = 1.
2) Supposons que (1 + x)n 1 + nx et montrons linegalite pour n + 1.
(1 + x)n+1 = (1 + x)n (1 + x) (1 + nx)(1 + x) = 1 + nx + x + |{z}
nx2
0
1 + (n + 1)x.
Revenons `a la suite an = q n :
Si q = 0, on a an = 0 pour tout n et la suite converge donc vers 0.
1
Si q 6= 0, on ecrit |q| = 1+h
avec h > 0. Alors
|an | = |(
1 n
1
1
1
) |=
<
.
n
1+h
(1 + h)
1 + nh
nh
1
Donc |an | < d`es que nh > i.e. d`es que n >
.
On pose donc N = E
h
4) Montrons que si la suite {an } (an > 0) converge vers a, alors { an } converge vers a.
1
h .
|an a|
|a a|
0
n
| an a| =
< = .
an + a
a
a
24
a2 = 1,
a3 = 0,
a4 = 1,
a5 = 0,
a6 = 1,
a7 = 0, . . .
n+11
1
n
= (1)n
= (1)n 1
.
n+1
n+1
n+1
Si n est pair, on est dans le voisinage de 1. Sinon, la suite est dans le voisinage de 1.
Pas de limite. Les points 1 et 1 sont des points daccumulation.
D
efinition 2.8 (Points daccumulation). Un point a de la droite reelle est un point daccumulation de la suite {an } si tout -voisinage de a contient une infinite de points de la
suite.
Exemples 2.9.
Dans lexemple 1) ci-dessus, les points 1, 0 et 1 sont des points daccumulation.
Dans lexemple 2) 1 et 1 le sont.
ATTENTION : contenir une infinite de points 6= contenir presque tous les points (+ fort)
Limite impropre
Considerons la suite
an =
n2 + 1
.
n+1
2
.
n+1
Ainsi les an deviennent aussi grands que lon veut lorsque n augmente. On dit que an tend
vers linfini.
D
efinition 2.10. La suite {an } tend vers linfini si pour tout r R, il existe Nr N
tel que lon ait an > r d`es que n > Nr (presque tous les points de la suite sont `a droite de
r). On note alors
lim an = .
n
2.1. SUITES REELLES
25
Exemple 2.11. an = (1)n n. Cette suite ne converge pas, meme pas vers linfini.
Th
eor`
eme 2.12 (Theor`eme des gendarmes pour les suites). Soient {an }, {un } et {vn }
trois suites satisfaisant les 2 proprietes suivantes :
(i) il existe N0 N avec un an vn pour tout n > N0 ;
(ii) lim un = lim vn = L.
n
Alors
lim an = L.
< un L < pour tout n > N1 . De meme, il existe N2 () N tel que < vn L <
pour tout n > N2 . Alors si N () = max(N0 , N1 , N2 ), on a pour tout n > N
< un L an L vn L <
ce qui donne |an L| < pour tout n > N ().
n(n 1) 2
n(n 1) 2
n + + nn >
n
2
2
n1 2
n
2
et ainsi
r
2
n
0 < n <
0.
n1
Le theor`eme des gendarmes implique que lim n = 0. Comme an = 1 + n , on obtient
1>
lim an = 1.
n
n = 1.
an+1
Th
eor`
eme 2.14 (Crit`ere de dAlembert). Soit {an } une suite reelle telle que l = lim
n
an
existe. Alors
1. si l < 1, la suite {an } converge vers 0 ;
2. si l > 1, la suite {an } diverge.
monstration :
De
1. Par hypoth`ese, `a partir dun certain indice N , on a
|an+1 | |an | < 1
avec < 1. Par recurrence, ceci implique que
0 |aN +n | n |aN |.
26
Comme < 1 la suite n converge vers 0 (exemple ci-dessus). Le theor`eme des gendarmes
implique que
lim |aN +n | = lim |an | = 0.
n
Donc lim an = 0.
n
2. A partir dun certain indice N , on a
|an+1 | |an |
avec > 1. Donc on a, par recurrence, |aN +n | n |aN |.
Ceci montre que aN +n nest pas majoree. La suite {|an |} diverge donc et `a fortiori la suite
{an } aussi.
1000n
. On a
n!
an+1 1000n+1 n!
1000
an = (n + 1)! 1000n = n
qui converge vers 0 lorsque n . Donc l = 0. Le crit`ere de dAlembert implique que
lim an = 0.
2.1.3
Propri
et
es de convergence des suites
(I) Toute suite convergente est bornee. En dautres termes, si {an } a, alors |an | M
pour un certain M R.
(II) Une suite convergente na quun seul point daccumulation.
(III) Si {an } a et {bn } b, alors
{an + bn } a + b
, R.
pour n > N1 (0 )
et
|bn b| < 0
pour n > N2 (0 ).
2.1. SUITES REELLES
27
( n + 1 n)( n + 1 + n)
n+1n
an =
=
n+1+ n
n+1+ n
1
1
1
1
n
q
=
0 = 0.
=
2
n 1+ 1+ 1
n+1+ n
n
Donc lim an = 0.
n
Exemple 2 : p N , on a lim
En effet,
n
np = 1.
n
np = n n n n n n .
|
{z
}
p fois
Donc
lim
n
np = ( lim n n)p = 1p = 1.
n
Exemple : an =
an =
(3n + 2)(n + 3)
.
n2 + n + 1
).
On a
6
6
n2 (3 + 11
3 + 11
3n2 + 11n + 6
n + n2 )
n + n2 n 3
=
=
= 3.
n2 + n + 1
1
n2 (1 + n1 + n12 )
1 + n1 + n12
avec an a
existe
(cf. chapitre 1)
pour tout n
0
an an0 > a
= a < an a < a +
= |an a| <
=
n > n0 =: N
lim an = a = sup{an | n N }.
(VII) Soit {an } une suite bornee et {bn } une suite convergeant vers 0. Alors la suite {an bn }
converge vers 0.
1
Exemple : an = sin n. Alors lim an = 0.
n
n
28
2.1.4
D
efinition 2.16 (Sous-suite). Soit {an } une suite reelle et {nk }kN une suite strictement
croissante dentiers. Alors {ank } est une sous -suite de {an }.
On a alors la reformulation suivante :
Un point daccumulation = la limite dune sous-suite convergente
Exemple 2.17.
Reprenons la suite an = (1)n
n
.
n+1
Dej`a vu : 2 points daccumulation qui sont 1 et 1.
2k
2k
k
Sous-suite dindice pairs : a2k = (1)2k
=
1
2k + 1
2k + 1
2k 1
2k 1 k
Sous-suite dindice impairs : a2k1 = (1)2k1
=
1
2k
2k
2.1.5
Suites de Cauchy
D
efinition 2.18. Une suite {an } est une suite de Cauchy si > 0, il existe N N tel
que
|an am | <
n, m > N
Th
eor`
eme 2.19. Toute suite convergente est une suite de Cauchy.
monstration : Soit {an } a. Alors pour tout > 0, il existe N = N/2 avec
De
|an a| < 2 si n > N . Ceci implique
|an am | = |an a + (a am )| |an a| + |a am |
< + =
2 2
d`es que n, m > N .
La reciproque est vraie dans R : toute suite de Cauchy est convergente. On dit alors que R
est complet.
Cest une propriete fondamentale des nombres reels que ne poss`ede pas Q : on peut trouver
une suite {qn } de nombres rationnels qui soit une suite de Cauchy mais qui ne converge pas
dans Q (mais bien dans R) (cf. exemple 2.22).
2.2
Suites r
ecurrentes
D
efinition 2.20. Une suite est dite recurrente si an+1 est definie `a partir de an , cest-`a-dire
si
an+1 = g(an ).
2.2. SUITES RECURRENTES
29
2.2.1
4
3
2an
. Alors
1 + an
a3 =
2 4/3
8
=
1 + 4/3
7
a4 =
16
,
15
etc...
M
ethodes pour trouver la limite dune suite r
ecurrente
1`
ere m
ethode
On essaie de se ramener `a une suite non-recurrente en exprimant le terme general comme
une fonction de n, an = f (n), et non plus de an1 .
Exemple : Dans lexemple ci-dessus, on constate que
an =
2n
.
2n 1
an+1
2 2n21
2an
=
=
n
1 + an
1 + 2n21
=
| 2n 1
2n+1
2n+1
.
=
2n 1 + 2n
2n+1 1
lim an = lim
2`
eme m
ethode
On demontre dabord que la limite existe et le cas echeant on passe `a la limite dans lequation
an+1 = g(an ) ce qui donne `a resoudre lequation
a = g(a).
Exemple : Reprenons la suite precedente.
(A) Montrons dabord, par recurrence, que la suite est decroissante, cest-`a-dire que
an+1 < an :
1) n = 1 : on a bien a2 < a1
2) Soit n 1. Supposons que an+1 < an et montrons que an+2 < an+1 . On a
2an+1
2an
2an+1 (1 + an ) 2an (1 + an+1 )
=
1 + an+1 1 + an
(1 + an+1 )(1 + an )
2(an+1 an )
< 0.
=
(1 + an+1 )(1 + an )
an+2 an+1 =
2an
1 + an
limite
a=
2a
a2 + a = 2a a(a 1) = 0.
1+a
30
1
a2 = ,
2
a3 = 2,
1
a4 = ,
2
a5 = 2, . . .
1 limite
1
a = a2 = 1
an
a
ce qui donne a = 1 ou a = 1 ! ! ! ! ! ! ! !
Exemple 2.22. Soit r > 0 un nombre reel. Considerons la suite definie par
1
r
an+1 =
an +
2
an
et a1 R. Alors
lim an =
r.
r.
1
r =
4
r2
1
r 2
2
an + 2 + 2r r =
an
0.
an
4
an
1
r
1 r
1
2. an+1 an = (an + ) an = ( an ) =
(r a2n ) 0 pour n 2.
2
an
2 an
2an
La suite est donc decroissante.
Comme an 0, elle est aussi bornee. La suite converge donc et on peut passer `a la limite
dans la definition :
r
1
a = (a + ).
2
a
2
2
Ceci donne 2a = a + r et donc a = r.
Application : pour r = 2 et a1 = 1, on trouve
a2 =
3
2
a3 =
17
12
a4 =
577
408
a5 =
665857
= 1.414213562 (8 decimales correctes).
470832
2.3. SERIES
31
an
4
Remarque 2.24. Toute suite croissante (resp. decroissante) est forcement minoree (resp.
majoree).
Conclusion : pour montrer quune suite croissante (resp. decroissante) est convergente, il
suffit de montrer quelle est majoree (resp. minoree).
2.3
S
eries
D
efinition 2.25. Soit {bn } une suite reelle. On note
n
X
bk := b1 + b2 + + bn .
k=1
bk
k=1
2.3.1
Convergence dune s
erie
D
efinition 2.26. Posons
sn =
n
X
bk = b1 + b2 + + bn .
k=1
On a sn+1 = sn + bn+1 .
La suite {sn } est une suite recurrente, appelee la suite des sommes partielles.
On dit que la serie
k=1
bk = s = lim sn = lim
k=1
n
X
k=0
bk .
32
Condition n
ecessaire de convergence
Pour que la serie
vers s, alors
k=1
Mais cette condition nest pas suffisante comme le montre lexemple suivant :
Exemple 2.27 (Serie harmonique). Posons bk =
X
1
1
. La serie
est appelee la s
erie
k
k
k=1
1 1
1
+ + + .
2 3
n
1
2
1 1
1
s8 = 1 + + + + .
2 3
8
s2 = 1 +
1 1 1
+ +
2 3 4
1 1
1 1
1 1
+ > s2 + + = 1 + + .
3 4
4 4
2 2
1 1 1 1
1 1 1 1
1 1 1
1
s8 = s4 + + + + > s4 + ( + + + ) > 1 + + + = 1 + 3 .
5 6 7 8
8
8
8
8
2
2
2
2
|
{z
}
s4 = s2 +
= 12
De mani`ere generale, on a
1
.
2
nest pas majoree ce qui implique que
s2k > 1 + k
La suite s2k
lim sn = lim (1 +
1 1
1
+ + + ) = .
2 3
n
X
1
est donc divergente.
La serie
k
k=1
X
k=0
rk
2.3. SERIES
33
Alors
s0 = b0 = 1
s1 = b0 + b1 = 1 + r
et
sn = 1 + r + r + + rn .
On sait que
sn =
1 rn+1
1r
(1 r)(1 + r + r2 + + rn ) = 1 rn+1
car
1 rn+1
1
=
.
n 1 r
1r
lim sn = lim
diverge si |r| 1
X
1
rk
si |r| < 1
converge vers
k=0
1r
Le nombre r est appele la raison de la serie geometrique.
X
(1)k+1 = 1 1 + 1 1 + 1 1 + 1 . . .
k=1
diverge (et non pas 0) car la suite des sommes partielles est 1 ; 0 ; 1 ; 0 ; 1 ; . . .
2.3.2
Propri
et
es des s
eries
(I) Si
bk = s, alors
k=1
(II) Si s =
X
k=1
cbk = cs.
k=1
bk et s0 =
b0k alors
k=1
bk + b0k = s + s0
k=1
(linearite de la convergence.)
(III) La propriete de convergence ou de divergence nest pas modifiee si lon ajoute (ou
retranche) un nombre fini de termes. Par exemple, la serie
X
1
1
1
=
+
+ ...
k
100 101
k=100
34
2.3.3
S
eries `
a termes positifs
Notons
k=1
(A) Crit`
eres de comparaison
Supposons que un vn pour tout n > N .
X
X
(a) Si
vk converge, alors
uk converge egalement ; ({sn } = suite croissante majoree) ;
(b) si
k=1
uk diverge, alors
k=1
k=1
k=1
Exemple 2.30.
X
1
La serie
avec 1 diverge.
k
k=1
n
un q < 1
uk converge.
n u 1, la s
erie diverge car un 6 0.
n
monstration :
De
qk
k=1
(C) Crit`
ere du quotient (ou de dAlembert)
Si pour tout n N , on a
Si on a
un+1
un
un+1
q<1
un
uk converge.
uk
2.3. SERIES
35
monstration :
De
On a
un+1
q
un
et
un
q
un1
et donc
un+1 un q un1 q 2 q n u1 .
Or la serie
P
uk .
k=0
Alors la serie
X
k=1
n
un
uk
et
q2 := lim
un+1
un
converge si qi < 1
diverge si qi > 1
Exemples 2.32.
X
k 10
1.
3k
k=1
r
10
1
1
n
n n
n 1
On a n un =
= n10 1 = < 1. La serie converge.
n
3
3
3
3
k
X
a
(a > 0) converge. En effet, on a
2. La serie
k!
k=1
un+1
an+1
n!
a
=
n =
<q<1
un
(n + 1)! a
n+1
si n est assez grand. (On verra plus tard quelle converge vers ea ).
Exemples 2.33 (Autres exemples).
X
1
(a) Considerons la serie
.
k(k 1)
k=2
1
1
1
Alors on a bk =
=
pour tout k 2 et donc
k(k 1)
k1 k
n
X
1
1 1
1
1
1
sn =
bk = 1
+
+ +
=1 .
2
2 3
n1 n
n
k=2
X
k=2
1
= 1.
k(k 1)
X
1
1
1
(b) Considerons maintenant la serie
. On a 2
pour tout k 2.
k2
k
k(k 1)
k=1
Le crit`ere de comparaison et lexemple (a) ci-dessus permet de conclure que la serie
X
1
converge. On a de plus
k2
k=1
36
X
X
X
1
1
1
=
1
+
1
+
= 1 + 1 = 2.
k2
k2
k(k 1)
k=1
k=2
k=2
X
1
1
1
Corollaire 2.34. La serie
avec 2 converge car 2 (crit`ere de comparaik
k
k
k=1
son).
X
1
Pour < 1 2, la serie
converge egalement (voir serie dexercices 5).
k
k=1
Remarque 2.35. Dans lexemple (b) ci-dessus, les crit`eres de la racine et du quotient ne
donnent rien. En effet, on a
r
q1 = lim
1
= lim
n2 n
et
un+1
= lim
q2 = lim
n
n un
De meme, pour la serie harmonique,
n
n
n
n+1
=1
2
= 1.
X
1
, ces crit`eres ne donnent rien. On a
k
k=1
r
q1 = lim
1
1
= lim = 1.
n n n n
2.3.4
un+1
un+1
un+1
< 1 mais PAS
q < 1 car q2 = lim
= 1. Et la serie
n un
un
un
S
eries altern
ees
X
(1)k+1 uk = u1 u2 + u3 u4 + . . .
k=1
(ii) |un | 0
alors la serie alternee converge.
De plus elle converge vers S avec |S| |u1 |.
2.3. SERIES
37
et
>0
La suite {s2n } est donc aussi bornee. Elle converge donc. Posons
S = lim s2n .
n
On a alors
X
1
1 1 1 1
(1)k+1 = 1 + + . . . . . .
k
2 3 4 5
k=1
X
k+1 2 + k
(1)
k
k=1
On a
et
2+ n
2
1 n
un =
= + 0
n
n
n
2
1
1
2+ n+1
2
un = +
+
>
= un+1 .
>
n
n+1
n+1
n
n+1
X
1 1
1
1 +
+ =
(1)k+1 uk
4 3 16
k=1
avec
uk =
1
k
1
k2
si k est impair
sinon
38
n
X
1 1
1
1
1
(1)k+1 uk = 1 +
+ 2
4 3 16 5
n
k=1
1
1
1
1
1
1 1
)( +
+
+ + 2).
= (1 + + + +
3 5 {z
n 1 } | 4 16 36
n }
{z
|
sn
s+
n
X 1
Comme la serie
converge, le terme s
e par un nombre M R independant
n est major
k2
de n.
Comme la serie harmonique diverge, le terme s+
n est plus grand que tout r R pour n assez
grand. Ainsi, pour tout r R, il existe Nr N tel que s+
es que n > Nr .
n > r d`
+
Ceci implique que sn = sn sn > r M . Ainsi la sous-suite sn (n pair) est non majoree
et donc non convergente.
2.3.5
S
erie absolument convergente
D
efinition 2.39. Soit
|bk |
X
ak
k=0
k!
bn+1 |a|
bn = n 0
(crit`ere du quotient)
D
Pefinition 2.41 (Serie semi-convergente). Une serie
|bk | diverge est appelee semi-convergente.
Exemple : La serie harmonique alternee
X
k=1
(1)k+1
1
est convergente mais pas absolument
k
X
1
diverge. Elle est donc semi-convergente.
convergente puisque la serie
k
k=1
Th
eor`
eme 2.42.
1) La somme dune serie absolument convegente ne depend pas de lordre de ses termes.
2) En revanche, dans le cas dune serie semi-convergente, on peut faire converger la somme
de la serie vers nimporte quel nombre reel en regroupant les termes de la serie dune facon
bien choisie.
Sans demonstration.
2.3. SERIES
39
Corollaire 2.43. Si
P
k
(o`
u les al et am forment lensemble de tous les ak ) sont separement absolument convergentes.
Exemple : Calculons
s=
X
(1)k+1
k=1
1
k(k + 2)
(serie alternee).
1
1
< 2
k(k + 2)
k
P 1
et la serie
converge.
k2
On peut alors separer les termes dindices pairs et ceux dindices impairs :
s=
k=1,
impairs
1
+
k(k + 2)
k=2,
1
(1)
k(k + 2)
pairs
1
1
(2l 1)(2l + 1)
2m(2m + 2)
m=1
l=1
X
1
1
1
1
1 X
=
2 2l 1 2l + 1
4
m(m + 1)
|m=1 {z
}
|l=1
{z
}
=
s+
l
=
car
s+
l
s
m
s
m
1 1
1
1= .
2 4
4
1
1 1
1
1
1
1
1
l 1
(1 ) + ( ) + + (
) = (1
)
=
2
3
3 5
2l 1 2l + 1
2
2l + 1
2
1
1
1
1 1 1
1
1
1
m
= +
+ +
= 1 + + +
=1
1
2 23
m(m + 1)
2 2 3
m m+1
m+1
Exemple 2.44. La serie harmonique alternee est semi-convergente. On ne peut pas changer
lordre des termes sans changer la valeur de la somme (infinie).
ln(2) = 1
X
1 1 1 1 1 1 1
1
+ + + + =
(1)k+1
2 3 4 5 6 7 8
k
k
2 1 2 1 2 1
2
2ln(2) = 2 1 + + + +
+ ...
3 2 5 3 7 4
10
1 1 1 1 1
+ + + ...
2 3 4 5 6
= ln(2).
=1
On obtient ainsi
2ln(2) = ln(2)!!!!!!!!!!
|2
40
2.4
D
efinition du nombre e
1
. (Nous demarrons ici avec k = 0.)
k!
X
1
et notons {en } la suite des sommes partielles, cest-`a-dire
Considerons la serie
k!
Soit b0 = 1 et bk =
k=0
en = 1 +
1
1
1
1
+ + + + .
1! 2! 3!
n!
Nous avons vu dans lexemple 2.32 que cette serie est absolument convergente. Sa limite est
notee e :
X
1
1
1
1
e :=
= lim en = lim (1 + 1 + + + + ).
n
k! n
2! 3!
n!
k=0
Numeriquement : e = 2, 718281828.
Th
eor`
eme 2.45. Le nombre e est irrationnel.
monstration :
De
Pour tout n 2, on a
1
1
1
1
1
+ +
+
+
+
+ ...
2!
(n 1)! n! (n + 1) ! (n + 2) !
1
1
1
1
1
= 1 + 1 + + +
+
1+
+
+ ...
.
2!
(n 1)! n!
n + 1 (n + 1)(n + 2)
|
{z
}
1
1
n
1
<1+
+
=
2
+ . . . ... =
n n2
1 1/n
n1
e=1+1+
Donc
e=1+1+
1
1
1
+ +
+
n
2!
(n 1)! n!
M
N.
Si lon pose n = N + 1
| (N + 1)!
1 n
= 1+
.
n
6N
2.4. DEFINITION
DU NOMBRE E
Proposition 2.46.
lim e0
n n
41
1 n
= e.
= lim 1 +
n
n
k
n
n
1 n X n
1
1 X n(n 1) (n k + 1)
0
nk
en = 1 +
=
1
=1+n +
n
k
n
n
k! nk
k=0
k=2
n
X
1
2
k1
1
=1+1+
1 1
1
1
()
k!
n
n
n
k=2
{z
}
| {z } | {z } |
1
n
n
X
X
1
1
1+1+
=
= en
k!
k!
k=2
k=0
e0n en
(*) :
e0n
n
X
2
k1
1
1
1
1
=1+1+
1 1
k!
n
n
n
k=2
| {z } | {z } |
{z
}
1 k1
n
1+1+
n
X
1
k1 k
1
k!
n
1 k1
n
1 k1
n
k=2
n
n
n
X
X
1
1 1 X k(k 1)
k(k 1)
1+1+
1
=1+1+
k!
n
k! n
k!
k=2
k=2
{zk=2 }
|
= en
n
1
1 X
= en
n
(k 2)!
= en
1
n
k=2
n2
X
j=0
1
1
= en en2 .
j!
n
On a donc
en
1
en2 e0n en .
n
1
en2 convergent toutes les deux vers e. Ainsi, par le theor`eme des
n
gendarmes, on a aussi lim e0n = e.
Les suites en et en
La convergence de cette suite {e0n } est beaucoup plus lente que la precedente.
Pour avoir e = 2.7180.., il faut n = 6 dans en mais n = 4819 dans e0n .
Remarque 2.47. On peut generaliser cette demonstration pour montrer que
x n X xk
lim 1 +
=
n
n
k!
k=0
pour tout x R.
42
Propri
et
es
1.
1
1 n
= e1 = .
lim 1
n
n
e
monstration : On a
De
n+1
n+1
1
n + 1 1 n+1
n
=
=
1
n+1
n+1
n+1
n1
n+1
1 n1
=
= 1+
n
n
"
n+1 #1
1
1 n
1
1
1
n
=
1+
1+
(e 1)1 = .
=
1+
n
n
n
e
2. Si {an }, an > 0 est une suite rationnelle nulle (cest-`a-dire qui converge vers 0) alors
1
lim (1 + an ) an = e.
monstration : En posant N = E( a1 ), on a N
De
n
1
(1 +
)N
N
+
1
|
{z
}
1
an
< N + 1 et alors
1
1
< (1 + an ) an < (1 + )N +1 .
N
|
{z
}
1
1 N
) (1+ N
)
(1+ N
e 1 (1 + an ) an e 1.
3. On a
lim (1 +
q n
) = eq
n
q Q.
q
q
q
n
(1 + )n = (1 + )n/q eq .
n
n
Si q < 0, largument est analogue `a celui du point 1.
Exemple : Calculons
lim
n1
n+1
n
.
On a
n1
n+1
n
n+1
1
2
2
2
= 1
1
n+1
n+1
n+1
n+1
1
2
1
2
n
1
e2 1 = 2 .
= 1+
n+1
n+1
e
=
n+12
n+1
DE QUELQUES SERIES
43
La fonction ex
q n
1+
= eq pour tout q Q.
n
n
x n X xk
Nous avons aussi vu que lim 1 +
=
pour tout x R. On peut donc etendre
n
n
k!
k=0
la fonction ex `a tout R en posant, pour tout x R
Nous avons demontre que lim
ex =
X
xk
k=0
k!
= lim
1+
x n
.
n
X
zk
k=0
k!
pour tout z C.
Le module remplace alors la valeur absolue et cette suite est encore absolument convergente.
On peut montrer les resultats suivants :
0
2.5
Un petit r
esum
e de quelques s
eries
X
1
diverge (serie harmonique)
k
k=1
X
1
(1)k+1
est semi-convergente (serie harmonique alternee)
k
k=1
X
1
diverge si
01
converge
si
>1
k
k=1
1
X
= 1q
si |q| < 1
qk
serie geometrique
diverge si |q| 1
k=0
(
1
X
= (1q)
si |q| < 1
2
k q k1
derivee de la serie geometrique
diverge si |q| 1
k=1
44
X
k=1
1
=1
k(k + 1)
X
ak
k=1
k!
converge absolument a R et
X
ak
k=1
k!
= e = lim
a n
1+
= lim
n
n
n+a
n
n
.
Chapitre 3
Fonctions r
eelles et continuit
e
3.1
D
efinitions g
en
erales
D
efinition 3.1.
Soient D et T deux ensembles non vides. Une fonction f de D dans T est une
correspondance qui associe `a tout element x D un element y = f (x) T . On la note par
f : D T
x 7 f (x)
Lensemble D est le domaine de d
efinition de f . Il sera souvent note Df .
Lelement y = f (x) T est limage de x par f alors que x est la pr
e-image de y.
Si D et T sont des sous-ensembles de R, la fonction f est appelee fonction r
eelle.
Lensemble
Im(f ) := {y T | x D avec y = f (x)}
est appele limage de D par f . On le note aussi f (D).
D
efinition 3.2 (Fonction injective). Une fonction f : D T est dite injective si tout
element de T a au plus une pre-image.
Autrement dit, si x1 6= x2 implique f (x1 ) 6= f (x2 ) pour tout x1 , x2 D.
D
efinition 3.3 (Fonction surjective). Une fonction f : D T est dite surjective si tout
element de T a au moins une pre-image.
Autrement dit, si pour tout y T , il existe x D avec y = f (x).
Ou encore, si Im(f ) = T .
Une fonction injective et surjective est dite bijective.
Exemples 3.4 (Quelques exemples).
(1) La fonction f : N N definie par f (n) = n2 est injective mais pas surjective car il
nexiste aucun n N tel que f (n) = 5. On a alors
Im(f ) = lensemble des carres dans N = {0, 1, 4, 9, 16, }.
(2) La fonction f : Z N definie par f (n) = n2 nest pas injective car f (6) = f (6) = 36.
45
46
alors a 6= b. Par la suite cette fonction sera simplement notee f (x) = x (sousentendu : Df = R+ et T = R).
(4) La fonction f : R R definie par f (x) = x est la fonction identit
e. Elle est bijective.
(5) La fonction signe est definie par
1 si x < 0
0
si x = 0
sign(x) =
1
si x > 0
On a Df = R. Elle nest ni injective ni surjective.
(6) La fonction de Heaviside est definie par H(x) =
3.2
1 si x > 0
.
0 si x 0
Fonctions r
eelles
x D g = R+
Alors
(g f )(x) =
pour tout x Df .
f (x) = x2
p
f (x) =
Im(f ) = R+
x2 = |x|.
EMENTAIRES
47
Les graphes de f (x) et f 1 (x) sont toujours symetriques par rapport `a la droite y = x.
Exemple : si f (x) = x2 alors la fonction est bijective si lon pose Df = R+ . On peut donc
3.3
Quelques fonctions r
eelles
el
ementaires
On a Df = R si q N alors que Df = R si q Z .
(II) Fonctions polynomiales :
y = f (x) =
n
X
k=0
ak xk
ak R, an 6= 0.
48
Df = R
Soit P (x) un polynome (reel) et x0 une racine de P (x). Le plus grand entier m tel
que (x x0 )m divise P (x) est appele la multiplicite de x0 par rapport `a P . On note
alors
m = multP (x0 ).
(III) Fonctions rationnelles
y = f (x) =
P (x)
Q(x)
Si Q(xk ) = 0 et multQ (xk ) > multP (xk ), alors les droites x = xk sont des asymptotes
verticales.
(IV) Fonctions irrationnelles : polynomes + racines
Exemple :
1 + 3 x2 + 4
f (x) = q
.
p
x2 + 3x 3 x/2
(V) Fonctions trigonometriques
f (x) = sin x impaire, periodique de periode T = 2, bornee
cos x paire, periodique de periode T = 2, bornee
tan x impaire, periodique de periode T = , non bornee
Df = R { 2 + k ; k Z}
On a les relations suivantes : cos x =
eix + eix
eix eix
et sin x =
2
2i
ATTENTION :
EMENTAIRES
On a
arccos(x) + arcsin(x) =
49
m
n
f (x) = ax .
Q, on pose
m
f (q) = aq := a n =
n m
a .
(B) Pour prolonger cette fonction `a R, il faut pouvoir definir le terme ar quand r est
reel non rationnel. On le fait en prolongeant f (x) par continuite : on sait quil existe
pour tout r R une suite rationnelle {qn } qui converg vers r. On a donc lim qn = r.
n
On pose alors
ar := lim aqn .
n
Propri
et
es des fonctions f (x) = ax
(1) f (x) > 0 pour tout x R. Cest une fonction strictement positive.
(2) f (0) = 1 et f (1) = a.
(3) f (rx) = arx = (ax )r = f (x)r . En particulier, f (x) =
1
.
f (x)
50
y > 0.
y = ax
x R y R+
y > 0
loga ax = x
et
x R.
Propri
et
es des fonctions loga x
(1)
(2)
(3)
(4)
(5)
D
efinition 3.6 (Logarithme naturel). On pose
ln(x) := loge x
Changement de bases
Si L = loga x alors aL = x et
ln(x) = ln(aL ) = L ln(a)
= L =
ln(x)
ln(a) .
Ainsi
loga x =
On a
ln(x)
.
ln(a)
x
X
(x ln a)k
ax = eln a = ex ln a =
.
k!
k=0
1
x
= loga x.
EMENTAIRES
51
ex ex
2
(fonction impaire)
Cosinus hyperbolique :
cosh(x) =
ex + ex
2
(fonction paire)
On a la relation suivante :
cosh2 (x) sinh2 (x) = 1.
Ces 2 fonctions permettent de parametriser les hyperboles :
x2 y 2
x = a cosh(t)
2 = 1
y = b sinh(t)
a2
b
tR
Somme :
sinh(a + b) = sinh a cosh b + cosh a sinh b
cosh(a + b) = cosh a cosh b + sinh a sinh b.
52
Calcul explicite
Soit y = arcsinh(x). Alors
y = arcsinh(x)
sinh(y) = x
ey ey
=x
2
ey ey = 2x.
2x
u 1 = 2xu u 2xu 1 = 0 u =
p
4x2 + 4
= x x2 + 1.
2
x2 + 1 et
x2 + 1).
arcsinh(x) = ln(x +
p
x2 + 1)
x R.
arccosh(x) = ln(x +
p
x2 1) x 1.
3.4. REPRESENTATION
DES COURBES PLANES
3.4
53
Repr
esentation des courbes planes
1) Explicite : y = f (x).
e2x
.
Exemple : y =
1 + x2
2) Implicite : F (x; y) = 0.
Exemples :
1) Cercle de centre C(a; b) et de rayon R : (x a)2 + (y b)2 = R2
x 2 y 2
2) Ellipse :
+
=1
a
b
x = 1 + t3
t2
y=
1 + t3
t 6= 1.
54
4) Representation polaire :
= x2 + y 2
cos = x = p x
x = cos
et
x2 + y 2
y = sin
y
y
sin = = p 2
x + y2
Une courbe peut alors etre donnee sous forme polaire, cest-`a-dire `a laide dune equation
reliant et .
Exemples :
A) Cardiode : = a(1 + cos ) a > 0
[0 ; 2].
` LINFINI
3.5. VALEUR LIMITE DUNE FONCTION A
55
= (t)
= (t).
Exemple :
3.5
D
efinition 3.7. On dira que
lim f (x) = a
D`es que x est + grand que M alors f (x) est compris dans une bande de largeur 2 autour
de a. Et ceci pour nimporte quel aussi petit soit-il.
Limite impropre
On dira que
lim f (x) =
(resp. )
lim f (x) = 0
56
2)
a1
a0
am1
P (x)
am xm + + a1 x + a0
xm am + x + . . . xm1 + xm
f (x) =
=
=
.
an1
b1
b0
Q(x)
bn xn + + b1 x + b0
xn
bn +
+ . . . n1 + n
x
x
x
Si x alors
am1
x
0,
Il reste
a1
xm1
0, etc...
P (x)
xm am
.
= lim n
x Q(x)
x x
bn
lim
Si m = n, alors =
am
bn
= c (asymptote horizontale y = c)
P (x)
= 0 (asymptote horizontale y = 0)
Q(x)
sinon on a lim f (x) = .
Si m < n alors lim
3) f (x) = sin x . La limite en x nexiste pas. Meme impropre. Idem pour cos x.
4) f (x) =
1
x
sin x
= 0.
x x
Th
eor`
eme 3.9. Soit f (x) = g(x)h(x). Si g(x) 0 et h(x) est bornee, alors
x
f (x) 0.
5)
f (x) =
x4 + 3x2
sin2 (x).
x6
Alors f (x) 0.
6)
lim ex = lim ex = 0.
3.6
3.6.1
Limite
D
efinition 1
Soit f (x) une fonction et x0 un point fixe. On dit que f admet le nombre l pour limite au
point x0 si pour tout > 0 , il existe > 0 avec
|f (x) l| <
d`es que
Remarque : Dans la definition, il nest pas necessaire que x0 Df . En revanche il faut quil
existe > 0 avec ]x0 ; x0 + [ Df {x0 }.
3.6. VALEURS LIMITES EN UN POINT ET CONTINUITE
57
D
efinition 2
n
lim f (n ) = l.
Notation 3.10. Au lieu de lim f (x) = l on peut ecrire lim f (x0 + h) = l. (Ici encore
h 0 mais h 6= 0.)
xx0
h0
1 si x < 2
2 si x = 2
Exemple 3.12. Considerons la fonction f (x) definie par f (x) =
3 si x > 2
limite `
a droite qui est notee lim f (x).
xx+
0
x2+
Continuit
e
D
efinition 1
Soit f (x) une fonction et x0 Df . On dit que f est continue au point x0 si
f (x0 ) = lim f (x).
xx0
D
efinition 2
Soit f (x) une fonction et x0 Df . On dit que f est continue au point x0 si pour toute suite
{n } telle que lim n = x0 , on a
n
f (x0 ) = lim f (n ).
n
58
D
efinition 3.14. On dit que f (x) est continue sur un intervalle I si elle continue en tout
point x0 I. On note alors f (x) C 0 (I).
Exemple 3.15.
Dans ce cas, la limite existe : on a lim f (x) = 1 mais elle nest pas egale `a f (2) = 4. La
x2
Type I La limite lim f (x) existe mais nest pas egale `a f (x0 ).
xx0
Type II
xx+
0
xx
0
Type III une des limites lim f (x) ou lim f (x) (ou les deux) nexiste pas.
xx+
0
xx
0
Limite impropre
Limite `a droite : On dira que lim f (x) = + si pour tout M > 0, il existe M > 0 tel que
xx+
0
f (x) > M
3.6. VALEURS LIMITES EN UN POINT ET CONTINUITE
59
Exemples 3.16.
1
f (x) = 2 . Alors lim f (x) = .
x0
x
f (x) =
1
x2 .
Alors
lim f (x) =
x2+
3.6.2
et
lim f (x) =
x2
Propri
et
es des limites
Th
eor`
eme 3.17 (Theor`eme des gendarmes). Soient f (x), (x), (x) des fonctions reelles,
x0 un point fixe et > 0. Si pour tout x Df D D tel que 0 < |x x0 | < on a
(x) f (x) (x)
et si
lim (x) = lim (x) = a
xx0
xx0
alors
lim f (x) = a.
xx0
xx
0
0
Soient f (x)
a et g(x)
b. Alors
xx
0
1) f (x) + g(x)
a + b
60
xx
0
2) f (x)g(x)
ab (Attention : a et b doivent exister)
3)
f (x) xx0 a
g(x)
b
Cas indetermines :
0
;
0
0 ;
si b 6= 0.
+ ()
lim g(u) = l,
uc
alors
lim g(f (x)) = l.
xx0
3.6.3
Exemples
2x
+
h
2 h |h|.
|sin(x + h) sin x| = 2 sin(h/2) cos
2
2
Donc lim sin(x + h) = sin x.
h0
De meme, on montre que cos x et tan x sont continues sur leurs domaines de definition.
x x0
3. La fonction f (x) = x est continue sur R+ . Soit x0 > 0. Alors x x0 =
x + x0
et donc
|x x0 |
| x x0 |
x0
3.6. VALEURS LIMITES EN UN POINT ET CONTINUITE
4. La fonction ex =
X
xk
k=0
k!
61
a-dire que
Demonstration : On doit montrer que lim ex+h = ex cest-`
h0
lim ex+h ex = 0.
h0
Mais comme
|ex+h ex | = |ex eh ex | = ex |eh 1|
il suffit de montrer que lim eh = 1, cest-`a-dire que ex est continue en x = 0.
h0
Si |h| < 1, on a
h2 h3
+
+ ...
et donc
2
3!
h2 h3
+
+ ...
|eh 1| = h +
3!
2
!
2 3
|h|
|h|
|h|
+
|h| 1 +
+
+ ...
2
2
2
eh = 1 + h +
= |h|
1
1
|h|
2
2|h|
2|h|.
2 |h|
3x + 1 2
0
5. Calculons A = lim
=
x1
0
x1
3x + 1 2
x+1
3x + 1 + 2
A = lim
x1
x1
x+1
3x + 1 + 2
(3x + 1 4)( x + 1)
= lim
x1 (x 1)( 3x + 1 + 2)
3
3( x + 1)
6
= lim
= = .
x1
4
2
3x + 1 + 2
6. A = x + 2
x
x2 + 4 ?
x + 2 + x2 + 4
+ 4)
A = (x + 2
x + 2 + x2 + 4
x2 + 4x + 4 (x2 + 4)
4x
q
=
=
2
x+2+ x +4
x+2+x 1+
p
x2
1+
2
x
4
p
1+
4/x2
4
=2
2
4
x2
62
0
=
.
0
sin x
7. Que vaut la limite lim
x0 x
On a
OAM < secteurOAM < OAT.
Donc
1
x
1 tan x
1 sin x < 12 <
2
2
2
ce qui donne
sin x < x < tan x
et en divisant par sin x on obtient
1<
x
tan x
1
<
=
.
sin x
sin x
cos x
lim
x0
sin x
= 1.
x
Plus generalement
sin px
sin px
= lim p
= p.
x0
x0
x
px
lim
Exemple : Calculons
lim
x0
1
1
+
3
x sin 2x
sin x = ( + ) 0.
On a
1
1
+
3
x sin 2x
1
1
= .
2
2
sin x
sin x
sin x =
+
3
2 sin x cos x
x
sin
x
1
3
= x2
+
x
2 cos x
3.6. VALEURS LIMITES EN UN POINT ET CONTINUITE
63
Changement de variables
On a vu que si u = f (x) et f est continue, alors
lim g(f (x)) =
xx0
lim
uf (x0 )
g(u).
Applications :
(1) Que vaut
0
=
?
0
2(1 cos x)
A = lim
x0
x2
On a 1 cos x = 2 sin2
x
et donc
2
(sin(x/2))2
2 2 sin2 x/2
=
lim
x0
x0
x2
(x/2)2
2
sin u
u=x/2
= lim
u0
u
2
sin u
= lim
= 1.
u0 u
A = lim
Donc
lim
x0
2(1 cos x)
=1
x2
x2
.
On ecrit que pour x 0 on a 1 cos x
2
Plus generalement on dit que
f (x) g(x) en x0
si lim
xx0
f (x)
= 1.
g(x)
(2)
h(x) =
sin(1 cos x)
sin(1 cos x)
=
.
2
1 cos x
(1 cos x)(1 + cos x)
x0
3.6.4
Soit f (x) une fonction et x0 6 Df . Supposons que la limite lim f (x) = a existe. On peut
xx0
64
Exemples :
sin x
indefinie en zero peut etre prolongee par continuite en posant
x
sin x
f (0) = 1 car on vient de voir que lim
= 1.
x0 x
1) La fonction f (x) =
2) Soit
(
f (x) =
x3 1
x1
si x 6= 1, x 0
si x = 1
(x3 1)( x + 1)
lim f (x) = lim
x1
x1
x1
(x 1)(x2 + x + 1)( x + 1)
= lim
x1
x1
2
= lim (x + x + 1)( x + 1) = 6.
x1
Df = R+ .
Th
eor`
eme 3.21. Toutes les fonctions elementaires definies au paragraphe 3.3 sont continues sur Df .
3.6.5
Propri
et
es des fonctions continues
Th
eor`
eme de Bolzano :
Soit f (x) une fonction continue sur lintervalle I = [a; b] avec f (a) < 0 et f (b) > 0. Alors il
existe un x0 I avec f (x0 ) = 0.
Corollaire : Si f : [a; b] R continue avec f (a) = c1 et f (b) = c2 , alors pour tout c
compris entre c1 et c2 , il existe x0 [a; b] avec f (x0 ) = c.
Th
eor`
eme 3.22. Soit f (x) une fonction continue sur lintervalle ferme I = [a; b]. Alors
f (x) atteint son maximum et son minimum sur I, cest-`
a-dire quil existe xm , xM I avec
f (xM ) f (x)
x I
et
f (xm ) f (x)
x I.
ATTENTION : ce resultat est faux si I est ouvert. Exemple : f (x) = x et I =]0; 1[.
Th
eor`
eme 3.23. Soit f (x) une fonction continue sur I. Alors
f
est injective
3.6. VALEURS LIMITES EN UN POINT ET CONTINUITE
65
monstration :
De
= il est clair que, pour une fonction strictement monotone, x 6= y implique f (x) 6= f (y)
= On montre la contraposee : Supposons f non strictement monotone. Alors il existe
x1 < x2 < x3 avec f (x1 ) < f (x2 ) et f (x2 ) f (x3 ) (ou le contraire mais la preuve est la
meme). Si f (x2 ) = f (x3 ) alors f nest pas injective et cest termine.
On peut donc supposer f (x2 ) > f (x3 ). Mais alors il existe c avec f (x1 ) < c < f (x2 ) et
f (x2 ) > c > f (x3 ). Par le corollaire precedent, il existe dont 1 [x1 ; x2 [ et 2 ]x2 ; x3 ]
avec f (1 ) = c et f (2 ) = c. Donc f nest pas injective.
Contre-exemples : lhypoth`ese de continuite est essentielle :
Chapitre 4
D
eriv
ees et applications
4.1
La d
eriv
ee
4.1.1
D
efinitions
Calculons
y
f (x0 + x) f (x0 )
f (x0 + x) f (x0 )
=
=
.
x
(x0 + x) x0
x
y
= la pente de la droite qui passe par les points
x
P (x0 ; f (x0 )) et Q(x0 + x ; f (x0 + x)).
Interpr
etation g
eom
etrique :
Interpr
etation physique : si x = t est le temps et y = f (t) est la distance parcourue,
y
alors
est la vitesse moyenne durant le temps t.
t
y
Que devient
si x 0 ?
x
Geometriquement, on aura la pente de la tangente au graphe de f passant par P (x0 ; f (x0 )).
Physiquement, on a la vitesse instantanee au temps t = t0 .
On pose alors la definition suivante :
D
efinition 4.1 (Derivabilite). On dit que la fonction f (x) est d
erivable au point x0 si
la limite
f (x + h) f (x)
lim
h0
h
existe. Cette limite est appelee la d
eriv
ee de f au point x0 . Elle est notee f 0 (x0 ).
67
CHAPITRE 4. DERIV
EES
ET APPLICATIONS
68
Ainsi
f (x0 + h) f (x0 )
.
h0
h
f 0 (x0 ) = lim
Autre notation :
df
df
dy
(x0 ) =
|x=x0 =
(x0 ).
dx
dx
dx
f 0 (x0 ) = la pente de la tangente au graphe de f au point (x0 ; f (x0 )).
f 0 (x0 ) =
D
efinition 4.2. Soit f (x) une fonction et I Df un intervalle. Si f 0 (x) existe pour tout
x I, on dit que f est d
erivable sur I. La fonction f 0 (x) est appelee la d
eriv
ee de f
(sur I).
df
d
Autre notation : la derivee de f (x) est aussi notee f 0 (x) =
(x) =
f (x) ou encore f 0
dx
dx
sil ny a aucune ambigute sur la variable.
Autre notation : on note
dx laccroissement infinitesimal de la variable x
dy laccroissement infinitesimal de la variable y.
dy
et donc
dy = f 0 (x)dx
Si y = f (x) alors f 0 (x) =
dx
Exemple 4.3.
f 0 (x) = lim
x R.
h0
f (0 + h) f (0)
|h|
h
= lim
= lim
= 1
h
h
h
h0
h0
alors que
lim
h0+
f (0 + h) f (0)
h
= lim
= 1.
+
h
h0 h
f (h)
nexiste pas.
h0 h
4.1. LA DERIV
EE
4.1.2
69
Exemples
f 0 (x) = lim
1
x+h x
x+hx
1
0
= lim
f (x) = lim
= lim
=
h0
h0 h( x + h + x)
h0
h
2
x
x+h+ x
h
Si x = 0, on trouve lim
= +. La fonction x nest pas derivable en 0. La tangente
h0 h
est verticale.
h2
h3
h + 2 + 3! + ...
h h2 h3
x
x
= e lim 1 + +
+
+ ...
= e lim
h0
h0
h
2
3!
4!
|
{z
}
f 0 (x) = lim
=R(h)
x
=e .
On a bien lim R(h) = 1 car
h0
2 3
h h2 h3
|h|
|h|
|h|
|R(h) 1| = +
+
+ ...
+
+
+ ...
2
3!
4!
2
2
2
!
2 3
|h|
|h|
|h|
|h|
=
1+
+
+
+ ...
2
2
2
2
=
|h| 1
|h| h0
=
0.
2 1 |h|
2 |h|
2
(ex )0
ex .
Ainsi
=
4. Soit f (x) = sin x. Alors
sin(x + h) sin x
1
x+hx
x+h+x
= lim 2 sin(
) cos(
)
h0
h0 h
h
2
2
2x + h
sin(h/2)
cos(
)
= lim 2
h0
h
2
sin(h/2)
2x + h
= lim
lim cos(
)
h0
h0
h/2
2
= 1 cos(x).
f 0 (x) = lim
CHAPITRE 4. DERIV
EES
ET APPLICATIONS
70
Ainsi
4.1.3
R
egles de calculs
(f + g)0 = f 0 + g 0
(f g)0 = f 0 g + f g 0
m :
De
f (x + h)g(x + h) f (x)g(x)
h
f (x + h) f (x)
g(x + h) g(x)
= lim
g(x + h) + f (x)
h0
h
h
= f 0 (x)g(x) + f (x)g 0 (x)
h0
Corollaire :
(f 2 )0 = f 0 f + f f 0 = 2f f 0
(f 3 )0 = (f 2 f )0 = (f 2 )0 f + f 2 f 0 = 2f f 0 f + f 2 f 0 = 3f 2 f 0
Par recurrence :
(f n )0 = nf n1 f 0
(III)
0
1
f0
= 2.
f
f
m : En derivant legalite f
De
1
1 `a laide du point (II), on obtient
f
0
1
1
f0 + f
=0
f
f
0
1
f0
ce qui donne
= 2.
f
f
Corollaire 1 :
0
f
f 0g f g0
=
.
g
g2
Corollaire 2 :
n 0
= nf n1 f 0
f
4.1. LA DERIV
EE
71
h0
f (x0 + h) f (x0 )
h
On pose u = f (x0 + h) f (x0 ) avec u 0 si h 0.
(g f )0 (x0 ) = lim
Quelques propri
et
es qui en d
ecoulent
1. Soit (x) = g(ax). Alors 0 (x) = g 0 (ax) (ax)0 = a g 0 (ax).
Corollaire : Si f (x) est paire (resp. impaire) alors f 0 (x) est impaire (resp. paire). En
effet, si on derive legalite f (x) = f (x), on obtient f 0 (x) (1) = f 0 (x) et donc
f 0 (x) = f (x).
2. Soit (x) = g(x + T ). Alors 0 (x) = g 0 (x + T ) (x + T )0 = g 0 (x + T ).
Corollaire : Si f (x) est periodique alors f 0 (x) lest aussi.
4.1.4
D
eriv
ees des fonctions
el
ementaires
A) Fonctions polynomiales :
(II)
f 0 (x) =
n
X
k=1
dx
m
xm1
m xm1
n f (x)n1
n xm/n n1
m m/n1
m xm1
x
.
m =
m
nx n
n
CHAPITRE 4. DERIV
EES
ET APPLICATIONS
72
d q
x = qxq1
dx
En conclusion :
q Q.
d
(f (x))q = q (f (x))q1 f 0 (x)
dx
Et par (IV), on a
q
Exemple : f (x) =
x4 +
1
3
x = (x4 + x)1/3 = x4 + x 2 . Alors
1 0
1
f 0 (x) = (x4 + x)1/31 x4 + x 2
3
1 4 2/3
1
= (x + x)
(4x3 + x1/2 )
3
2
1
3+
4x
1
2 x
.
= p
3
3
(x4 + x)2
C) Fonctions trigonometriques :
On a demontre que (sin x)0 = cos x.
f (x) = cos x = sin( 2 x). Alors
i0
= cos
(cos x)0 = sin
x
x (1) = sin x.
2
2
f (x) = tan x =
sin x
. Alors
cos x
sin0 cos sin cos0
cos2
2
cos + sin2
1
=
=
= 1 + tan2 .
2
cos
cos2
f0 =
Ainsi
(tan x)0 =
1
= 1 + tan2 (x)
cos2 (x)
ef (x)
= ef (x) f 0 (x).
4.1. LA DERIV
EE
73
E) Fonctions hyperboliques
ex + ex
. Alors par (I) et D), on a
Soit f (x) = cosh x =
2
1 x
e ex = sinh x.
2
f 0 (x) =
Soit f (x) = sinh x =
1
2
(ex ex ) Alors
f 0 (x) =
4.1.5
1 x
e (1)ex = cosh x.
2
D
eriv
ee de la fonction r
eciproque
Soit f (x) une fonction bijective et f 1 (y) sa fonction reciproque. On desire calculer (f 1 )0 (y)
connaissant f 0 (x).
On suppose f 0 (x) 6= 0. Par definition de f 1 , on a
(f f 1 )(y) = y
et en derivant par rapport `a y et en utilisant (IV), on trouve
ce qui donne
(f 1 )0 (y) =
f 0 (f 1 (y)) (f 1 )0 (y) = 1
1
.
f 0 (f 1 (y))
0
En notant x = f 1 (y), on obtient f 1 (y) =
1
.
f 0 (x)
Exemples :
(1) Fonctions logarithmes :
Appliquons la formule `a f (x) = ex et f 1 (y) = ln y. Comme f 0 (x) = ex , on obtient
(ln y)0 =
Corollaire :
(ln f (x))0 =
1
f 0 (f 1 (y))
1
eln y
1
.
y
f 0 (x)
.
f (x)
1
1
=p
.
cos(arcsin y)
1 y2
CHAPITRE 4. DERIV
EES
ET APPLICATIONS
74
1
1
= p
sin(arccos y)
1 y2
1
1
=
1 + tan2 (arctan y)
1 + y2
1
1
=p
2
cosh(arcsinh y)
y +1
4.1.6
y>1
Quelques exemples
x := e ln x .
R.
p
1 + sinh2 u.
DES FONCTIONS IMPLICITES
4.2. DERIV
EE
75
Notons que u(x)v(x) na de sens que si u(x) > 0. La derivee vaut alors
0
u
0
0
v 0
v ln(u)
f = (u ) = e
v + v ln u
u
0
uv
= uv
+ v 0 ln u .
u
Exemple : Calculons lequation de la tangente au graphe de la fonction f (x) = xsin x
au point P (; 1).
On a Df = R+ .
1 sin x
f 0 (x) = xsin x
+ cos x ln x .
x
En P (; 1) on obtient f 0 () = ln . Lequation de la tangente est donc
y = ln (x ) + 1 = (ln ) x + 1 + ln .
4.2
D
eriv
ee des fonctions implicites
(*)
Autour dun point P fixe, cette relation definit une fonction y = y(x) (pas necessairement
analytique) et lequation (*) secrit
2x2 y(x)3 + ln(xy(x)) 1 = 0
4x 3y(x)2 y 0 (x) +
d
dx
1 y(x) + xy 0 (x)
=0
xy(x)
1 + y 0 (1)
=0
1
5
ce qui donne 2y 0 (1) = 5 do`
u y 0 (1) = .
2
Ainsi, sans trouver explicitement la fonction y = y(x) on a pu calculer sa derivee en un
point donne.
Ce procede sapplique naturellement `a toute relation de la forme
F (x, y) = 0.
Exemple : Calculons les pentes des tangentes au graphe de lellipse
:
x2 y 2
+ 2 =1
a2
b
CHAPITRE 4. DERIV
EES
ET APPLICATIONS
76
b2 x
= pente de la tangente au point P (x, y)
a2 y
y2 y10
| tan | =
1 + y0 y0
1 2
3
x
.
4
2 13
=1
1 + 2 13
DES FONCTIONS IMPLICITES
4.2. DERIV
EE
4.2.1
77
Repr
esentation param
etrique
Courbe :
x = x(t)
y = y(t)
d
dt
dx
dy
= x(t)
et
= y(t)
.
dt
dt
Donc dx = x(t)
dt et dy = y(t)
dt. Alors
Ceci donne
y0 =
Exemple :
dy
y(t)
=
.
dx
x(t)
x = t sin t
= x(t)
= sin t + t cos t
y = t2 + cos t = y(t)
= 2t sin t
Et donc
y0 =
y
2t sin t
=
.
x
sin t + t cos t
2t sin t
0 00
= =
2
sin t
t
sin t
t
t0
+ cos t
21
1
=
1+1
2
Repr
esentation polaire
Si la courbe est donnee sous forme polaire = (). Alors
y 0 |P =
Exemple : =
()
sin + () cos
()
cos () sin P
()
cos(2).
sin + () cos = 0.
()
CHAPITRE 4. DERIV
EES
ET APPLICATIONS
78
En derivant la fonction donnee () =
p
cos(2) par rapport `a , on trouve
1
1
cos(2) 2 ( sin(2) 2)
2
sin(2)
= p
cos(2)
()
4.3
4.3.1
cos(3) = 0.
.
6
Th
eor`
eme de la moyenne
Quelques th
eor`
emes
D
efinition 4.5 (Fonction C 1 ). Une fonction f (x) est dite contin
ument d
erivable sur
I Df si f 0 (x) existe et est continue sur tout I.
On note C 1 (I) lensemble des fonctions contin
ument derivables sur I.
En bref : f (x) C 1 (I) f 0 (x) C 0 (I).
Th
eor`
eme 4.6 (Theor`eme de Rolle). Soit f (x) continue sur [a; b] et derivable sur ]a; b[
avec f (a) = f (b) = c alors il existe ]a, b[ tel que
f 0 () = 0.
monstration :
De
Si f (x) c alors f 0 (x) = 0 et le theor`eme est trivial.
Considerons la fonction g(x) = f (x) c. Alors g(a) = g(b) = 0. On peut supposer que a et
b sont des zeros consecutifs et admettre que g(x) > 0 sur ]a; b[.
Soit le point o`
u g(x) atteint son maximum. Pour h > 0, on a
g( + h) < g()
et alors
1
(g( + h) g()) < 0
h
()
Pour h < 0, on a
g( + h) < g()
et donc
1
(g( + h) g()) > 0
h
()
`
4.3. THEOR
EME
DE LA MOYENNE
79
h0+
1
1
(g( + h) g()) = lim
(g( + h) g()).
h
h0 h
Th
eor`
eme 4.7 (Theor`eme de la moyenne). Soit f (x) continue sur [a; b] et derivable sur
]a; b[. Alors il existe un ]a; b[ tel que
f 0 () =
f (b) f (a)
.
ba
f (b) f (a)
(x a)
ba
qui satisfait aux hypoth`eses du theor`eme de Rolle. Alors il existe ]a; b[ avec g 0 () = 0,
i.e.
f (b) f (a)
1=0
f 0 ()
ba
ce qui donne la conclusion cherchee.
f (c) f (a)
6= 0
ca
Corollaire 4.10. Soit f (x) continue sur I = [a; b] et derivable en tout point x 6= x0 .
Supposons que lim f 0 (x) existe. Alors f est derivable en x0 et
xx0
CHAPITRE 4. DERIV
EES
ET APPLICATIONS
80
pour un ]x0 ; x0 + h[
Th
eor`
eme 4.11 (Theor`eme de Cauchy). Soient f, g deux fonctions derivables sur I =]a; b[,
avec g 0 (x) 6= 0 pour tout x I. Alors il existe I avec
f 0 ()
f (b) f (a)
=
.
0
g ()
g(b) g(a)
monstration :
De
On consid`ere la fonction
h(x) = f (x)
f (b) f (a)
(g(x) g(a))
g(b) g(a)
qui satisfait aux hypoth`eses du theor`eme de Rolle (h(a) = h(b) = f (a)). Il existe donc
avec h0 () = 0. Mais comme
h0 (x) = f 0 (x)
on en deduit que
4.3.2
f (b) f (a) 0
g (x)
g(b) g(a)
f (b) f (a)
f 0 ()
=
.
g 0 ()
g(b) g(a)
La r`
egle de Bernoulli-lHospital
Th
eor`
eme 4.12 (R`egle de Bernoulli- lHospital). Soient f, g deux fonctions derivables sur
I =]a; b[ telles que pour tout x I on ait g(x) 6= 0 et g 0 (x) 6= 0.
Supposons que
lim f (x) = lim g(x) = avec = 0 ou ;
xa+
lim
xa+
xa+
f 0 (x)
g 0 (x)
= avec R {; +}.
Alors
lim
xa+
f (x)
= .
g(x)
Remarque 4.13. La r`egle reste valable si lon remplace a+ par b , par a ou par .
`
4.3. THEOR
EME
DE LA MOYENNE
81
monstration :
De
(I) = 0 et R.
Posons b = a + h. Alors le theor`eme de Cauchy implique quil existe = a + h avec
0 1 et
f 0 (a + h)
f (a + h) f (a)
=
.
0
g (a + h)
g(a + h) g(a)
Comme f (a) = g(a) = 0, on a
f 0 (a + h)
f (a + h)
=
.
0
g (a + h)
g(a + h)
Si b a, alors h 0, h 0 et a. On a donc
f 0 (a + h)
f (a + h)
= lim
h0 g 0 (a + h)
h0 g(a + h)
f 0 ()
f (b)
= lim 0
= lim
a g ()
ba g(b)
0
f (x)
f (x)
= lim 0
= lim
xa g (x)
xa g(x)
lim
xa+
g(x)
. Alors
f (x)
1 1 xa+
, 0.
f g
1/f (x)
(1/f (x))0
g(x)
1/f (x)2 f 0 (x)
= lim
= lim
=
lim
xa+ 1/g(x)
xa+ (1/g(x))0
xa+ f (x)
xa+ 1/g(x)2 g 0 (x)
g(x)2 f 0 (x)
g(x) 2
f 0 (x)
= lim
=
lim
lim
= L2 .
L = lim
1
= do`
u lon en deduit que
L
lim
xa+
f (x)
1
= = .
g(x)
L
Exemples 4.14.
sin x
1. f (x) =
Alors
x
sin x
x0 x
lim
B.-H.
(sin x)0
cos x
= lim
= 1.
0
x0
x0 1
x
lim
ln x
lim x ln x = lim
x0
x0 1/x
B.-H.
lim
x0
1/x
= lim (x) = 0.
1/x2 x0
CHAPITRE 4. DERIV
EES
ET APPLICATIONS
82
Ainsi
lim x ln x = 0
x0
3.
x2
x ex
lim
2x
B.-H.
= lim x
=
x e
2
B.-H.
= lim x = 0.
x e
=
x2
= 0.
x ex
Donc lim
4.
lim
x0
sinh x
cosh x
= lim
= 1.
x0
x
1
5.
lim
ln x
ln(x3 ln x)
1/x
x3
1
(
+ 3x2 ln x)
x3 ln x
x
x2 ln x
= lim 2
x x + 3x2 ln x
ln x
= lim
x 1 + 3 ln x
1
1
= lim
= .
x 1/ ln x + 3
3
B.-H.
lim
Expressions ind
etermin
ees de la forme 0 , 1 , 00
Considerons la fonction (x) = u(x)v(x) et supposons que
lim (x)
soit de la forme indeterminee 00 ou 1 ou 0 . On l`eve lindetermination en procedant
comme suit :
1. On applique le logarithme :
h
i
ln (x) = ln u(x)v(x) = v(x) ln[u(x)] .
2. Lexpression
lim ln (x) = lim v(x) ln[u(x)]
est maintenant de la forme 0 () que lon transforme en une expression de la forme
0
`
4.3. THEOR
EME
DE LA MOYENNE
83
Exemples 4.15.
1
ln (x) =
1
ln x
ln x =
x
x
et la limite vaut
1/x
ln x B.-H.
= lim
= 0.
x
x
1
Ainsi lim (ln (x)) = 0 ce qui donne (en appliquant ex )
lim
lim (x) = e0 = 1.
x
1
ln (x) =
ln x
1
ln x =
4
1x
1 x4
x1
Finalement on a donc
B.-H.
1/x
1
= .
3
x1 4x
4
lim
1
1
lim (x) = e 4 =
.
4
x1
e
3. 1 : Calculer la limite
lim (1 + x2 )1/x .
{z }
x0+ |
=(x)
On a
ln(1 + x2 )
1
ln(1 + x2 ) =
x
x
2x/(1 + x2 )
0
B.-H.
=
= lim
= 0.
0
1
x0+
ln (x) =
et
lim ln (x)
x0+
= 00 .
=(x)
On a ln (x) = x ln sin x =
ln sin x
. Par lHospital, on a
1/x
ln sin x B.-H.
cos x/ sin x
= lim
x0 1/x
x0
1/x2
x2 cos x
= lim
x0
sin x
x
x cos x
= lim
lim
= 1 0 = 0.
x0 sin x x0
1
x0
x0
CHAPITRE 4. DERIV
EES
ET APPLICATIONS
84
4.3.3
Th
eor`
eme 4.16. Pour tout > 0, on a
ln x
= 0.
x x
lim
B.-H.
1/x
1
= lim
= 0.
1
x x
x x
lim
Corollaire 4.17.
ln x
= 0.
x x
, > 0,
lim
monstration :
De
Le theor`eme precedent implique quil existe X1 R avec ln x < x 2 pour tout x > X1 .
Alors
ln x
x2
1 x
0 < < = 0.
x
x
x2
Corollaire 4.20.
lim x (ln x)n = 0.
x0+
4.4. DERIV
EES
DORDRES SUPERIEURS
85
monstration :
De
On pose x = et . Alors t lorsque x 0+ . Donc
lim x (ln x)n = lim et (t)n = (1)n
t
x0+
4.4
tn
= 0.
et
D
eriv
ees dordres sup
erieurs
d2
d d
au lieu de
( ).
dx2
dx dx
Cest lensemble des fonctions dont toutes les derivees sont continues.
Exemple : ex C (R)
Si f C n (I) et g C n (I) alors f + g C n (I) et
(f + g)(n) = f (n) + g (n) .
Formule de Leibniz
Si f, g C n (I) alors f g C n (I) et on a
(n)
(f g)
n
X
n
k=0
f (nk) g (k)
o`
u f (0) = f . La demonstration, qui se fait par recurrence, est analogue `a celle pour la
formule du binome.
En particulier :
(f g)00 = f 00 g + 2f 0 g 0 + f g 00
(f g)(3) = f (3) g + 3f 00 g 0 + 3f 0 g 00 + f g (3)
CHAPITRE 4. DERIV
EES
ET APPLICATIONS
86
4.5
4.5.1
Etude de fonction
Croissance et extremum
Dans toute cette section, f (x) designera une fonction continue sur son ensemble de definition.
Th
eor`
eme 4.22. Soit f continue sur I = [a; b] et derivable sur ]a; b[. Alors
f est croissante
f 0 0 sur ]a; b[
Donc
f 0 () 0 f (d) f (c).
De plus, si f 0 () > 0 alors f (d) > f (c).
D
efinition 4.23.
x0 Df est un maximum absolu de f si f (x) f (x0 ) pour tout x Df .
x0 Df est un maximum relatif (ou local) sil existe un voisinage
v (x0 ) =]x0 ; x0 +
de x0 tel que f (x) f (x0 ) pour tout x v (x0 ).
Definitions analogues pour le minimum.
On dira extremum pour maximum ou minimum.
ATTENTION : Un extremum absolu nexiste pas toujours sur R. Exemple : f (x) = arctan x.
Th
eor`
eme 4.24. Si x0 est un extremum de f (x) sur I = [a; b], alors
(i) soit x0 = a ou x0 = b
(ii) ou f 0 (x0 ) = 0
(iii) ou f 0 (x0 ) nexiste pas.
D
efinition 4.25. Un point x0 tel que f 0 (x0 ) = 0 est appele un point stationnaire.
87
Plus precisement si
(i) f 0 (x) < 0 (respextivement > 0) sur ]x0 ; x0 [ et si
(ii) f 0 (x) > 0 (respectivement < 0) sur ]x0 ; x0 + [
alors x0 est un minimum local (respectivement un maximum local).
monstration : Cest une consequence du theor`eme 4.22.
De
monstration :
De
(i) Le theor`eme de la moyenne applique `a la fonction f 0 (x) et `a lintervalle ]x0 ; x0 + h[
donne
f 0 (x0 + h) f 0 (x0 )
= f 00 ()
h
avec entre x0 et h donc = x0 + h o`
u 0 < < 1. Ceci donne
> 0 si h > 0
0
0
00
f (x0 + h) = f (x0 ) + h f (x0 + h) =
< 0 si h < 0
| {z }
|
{z
}
=0
f 0 (x)
Ainsi
(ii) idem
>0
CHAPITRE 4. DERIV
EES
ET APPLICATIONS
88
f (x) = 2x2 + 10
Exemple 4.28.
f 0 (x) = 4x
f 00 (x) = 4
= f 0 (0) = 0
f 00 (0) = 4 > 0.
6=
x0 est un extremum 6=
x0 est un extremum
f 0 (x0 ) = 0
Tableau de signe :
4.5.2
D
efinition 4.30. Soit f C 2 (I). f est dite convexe sur I si f 00 (x) 0 pour tout x I,
cest-`a-dire si f 0 (x) est croissante sur I.
f est dite concave sur I si f 00 (x) 0 pour tout x I, cest-`a-dire si f 0 (x) est decroissante
sur I.
Autre caract
erisation
1) Le graphe dune fonction convexe (resp. concave) est toujours situe au dessous (resp.
au-dessus) de la corde P Q o`
u P et Q sont deux points du graphe.
2) Le graphe dune fonction convexe (resp. concave) est toujours situe au dessus (resp.
au-dessous) de ses tangentes.
ET SERIE
4.6. DEVELOPPEMENT
LIMITE
DE TAYLOR
89
Graphes :
D
efinition 4.31 (Point dinflexion). Soit f une fonction. Alors x0 Df est un point dinflexion de f si f 00 (x) change de signe en x0 .
ATTENTION : Comme pour les extremums, il ne suffit pas que f 00 (x0 ) = 0.
Propri
et
e g
eom
etrique : en un point dinflexion, le graphe passe de lautre c
ot
e de
la tangente en ce point.
2
1
Exemple 1 : f (x) = 3 x.
f 0 (x) = 13 x 3
f 00 (x) = 29
3 5.
x
f 00 change de signe en x = 0 bien que f 0 (0) nexiste pas en ce point (la tangente est verticale). On a donc un point dinflexion.
Exemple 2 : f (x) = x4 x.
f 0 (x) = 4x3 1
f 00 (x) = 12x2 .
00
00
On a f (0) = 0 mais f ne change pas de signe. Pas de point dinflexion en 0.
4.6
4.6.1
D
eveloppement limit
e et s
erie de Taylor
D
efinitions
()
CHAPITRE 4. DERIV
EES
ET APPLICATIONS
90
et on a bien lim
avec lim
f (n) (a)
f 00 (a)
(x a)2 + +
(x a)n
2 {z
n!
}
Rn (x)
= Tnf (x)
Rn (x)
= 0.
xa (x a)n
avec lim
Rn (x) =
f (n+1) ()
(x a)n+1 avec entre a et x.
(n + 1) !
monstration :
De
f (n) (a)
(x a)n
et donc
n!
f (n) (a)
Rn0 (x) = f 0 (x) f 0 (a) f 00 (a)(x a)
(x a)n1
(n 1) !
Rn (x) = f (x) f (a) f 0 (a)(x a)
f (n) (a)
(x a)n2
(n 2) !
..
.
Rn(n) (x) = f (n) (x) f (n) (a)
Rn(n+1) (x) = f (n+1) (x)
ce qui donne
Rn0 (a) = Rn00 (a) = = Rn(n) (a) = 0.
Rn (x)
, on applique n fois la r`egle de Bernoulli-LHospital :
xa (x a)n
B.-H.
Rn0 (x)
xa n (x a)n1
lim
B.-H.
B.-H.
= ... =
(n)
Rn (x)
f (n) (x) f (n) (a)
= lim
= 0.
xa
xa
n!
n!
lim
ET SERIE
4.6. DEVELOPPEMENT
LIMITE
DE TAYLOR
91
Cauchy
Cauchy
Rn00 (2 )
h00 (2 )
(n+1)
= =
Rn
()
f (n+1) ()
=
(n + 1) !
h(n+1) ()
]a; x[
f (n+1) ()
f (n+1) ()
=
(x a)n+1 .
(n + 1) !
(n + 1) !
D
efinition 4.34. Le polynome
Tnf (x) = f (a) + f 0 (a)(x a) +
f 00 (a)
f (n) (a)
(x a)2 + +
(x a)n
2
n!
est appele le d
eveloppement limit
e dordre n de f (x) au point a ou aussi le polyn
ome
de Taylor de degr
e n.
La fonction Rn (x) est le reste dordre n.
Si a = 0 on obtient le developpement autour du point 0 :
avec Rn (x) =
f 00 (0) 2
f (n) (0) n
x + +
x
2
n!
Rn (x)
Exemple 4.35.
f (x) = cos x, a = 0, n = 3 :
f 00 (0) 2 f (3) (0) 3
x +
x + R3 (x)
2
6
1
1
= 1 + 0 x x2 + 0 x3 + R3 (x) = 1 x2 +R3 (x)
2
| {z2 }
=T3 (x)
CHAPITRE 4. DERIV
EES
ET APPLICATIONS
92
S
erie de Taylor
n
X
f (k) (a)
k=0
k!
(x a)k
Notation de Landau
Soit f (x) et g(x) deux fonctions sannulant en a. On dit que
f = o(g)
en x = a
f (x)
= 0.
xa g(x)
si lim
Exemples :
52x3
= lim 52x = 0.
x0 x2
x0
1 cos x
1 cos x = o(x) car lim
= 0 (cf. formulaire et tables)
x0
x
52x3 = o(x2 ) (en a = 0) car lim
4.6.2
Exemples
1. Soit f (x) = ex et a = 0.
Comme f 0 (x) = ex = f (k) (x) pour tout k 1, le developpement limite dordre n est
donne par
f 00 (0) 2
f (n) (0) n
x + +
x + Rn (x)
2
n!
1
1
= 1 + x + x2 + + xn + Rn (x)
2
n!
ex = f (0) + f 0 (0)x +
avec Rn (x) =
ET SERIE
4.6. DEVELOPPEMENT
LIMITE
DE TAYLOR
93
Rn (x) converge vers 0 pour tout x lorsque n (cf. chapitre 2). Donc la serie de
Taylor converge vers f et on a
ex =
X
1 k
x
k!
x R
k=0
On a f (0) = 1 et
1
(1 + x)2
2
f 00 (x) =
(1 + x)3
f 0 (x) =
f 0 (0) = 1
f 00 (0) = 2
..
.
f (n) (x) = (1)n
n!
(1 + x)n
f (n+1) () n+1
n+1
= (1)n+1
.
(n + 1) !
(1 + )n+1
X
1
=
(x)k
1+x
x ] 1; 1[
k=0
Cest une serie geometrique (de raison x ) qui converge si et seulement si |x| < 1. Pour
n
ces valeurs de x, on peut montrer que Rn (x) 0 et donc la serie de Taylor converge
vers f .
3. f (x) = sin x et a = 0.
On obtient le developpement limite suivant :
sin x = x
x3 x5 x7
+
+ o(x7 )
3!
5!
7!
CHAPITRE 4. DERIV
EES
ET APPLICATIONS
94
sin x =
X
x2k+1
(1)k
(2k + 1) !
x R
k=0
+ o(x6 )
2
4!
6!
X
x2k
x R
=
(1)k
(2k) !
cos x = 1
k=0
f (n) (x) =
(1)n+1 (n 1) !
(1 + x)n
f 0 (0) = 1
f 00 (0) = 1
f (3) (0) = 2
f (n) (0) n
f 00 (0) 2
x + +
x + ...
2
n!
x2 x3 x4
+
+ ...
2
3
4
X
xk
(1)k+1
=
k
=x
k=1
1 1 1 1
+ + ...
2 3 4 5
Cest la s
erie harmonique altern
ee.
D
eriv
ee dune s
erie de Taylor
Si f (x) =
ak xk alors
k=0
f 0 (x) =
X
k=1
k ak xk1 .
ET SERIE
4.6. DEVELOPPEMENT
LIMITE
DE TAYLOR
95
x3 x5 x7
+
+ ...
3
5
7
On a alors
f 0 (x) = 1 x2 + x4 x6 + x8 . . .
serie geom.
=
1
1 + x2
x ] 1; 1[
1
est la derivee de arctan x donc f (x) = arctan x + C. Comme f (0) = 0 =
1 + x2
arctan(0), la constante C vaut 0. On a ainsi trouve la serie de Taylor de arctan x :
Mais
arctan x = x
x3 x5 x7
+
+ ...
3
5
7
x ] 1; 1]
Si lon pose x = 1, on a
1 1 1 1
= 1 + + ...
4
3 5 7 9
4.6.3
Op
erations sur les d
eveloppements limit
es
Soient f et g deux fonctions admettant Tnf (x) et Tng (x) comme developpements limites
dordre n autour de a = 0.
Alors
Tnf +g (x) = Tnf (x) + Tng (x)
Tnf g (x) = Tnf (x) Tng (x) (en ne gardant que les termes de degre n)
Si f (0) = 0, alors Tngf (x) = Tng (Tnf (x)).
f
sobtient en faisant la division du polynome Tnf (x) par
g
le polynome Tng (x) en commen
cant par les termes de degr
es les plus bas.
Le developpement limite de
Exemples 4.37.
1. Developpement limite dordre 3 de sin(ex 1) en a = 0 :
x3 x5
+
+ o(x5 )
3!
5!
x2 x3
ex = 1 + x +
+
+ o(x3 )
Alors
2
3!
(ex 1)3 (ex 1)5
sin(ex 1) = [ex 1]
+
...
3!
5!
5
x2 x3
1
x2
1
x2
= 1+x+
+
1
x+
+ ...
+ x+
+ ...
+ ...
2
3!
6
2
5!
2
x4
x2 x3 1
+
x3 + 3 + o(x3 ) + o(x3 )
=x+
2
3! 6
2
2
x
=x+
+ o(x3 ).
2
sin x = x
CHAPITRE 4. DERIV
EES
ET APPLICATIONS
96
+ o(x4 )
2
3
4
Donc
arctan x = x
arctan2 x arctan3 x
+
+ ...
2
3
3
x3 1
x3
1
x3
=x
x
+
x
+ o(x3 )
3
2
3
3
3
x3 1 2 1 3
=x
x + x + o(x3 )
3
2
3
1 2
= x x + o(x3 )
2
cos x + x2
en a = 0 :
1 sin x
x2
x2
+ o(x3 ) + x2 = 1 +
+ o(x3 )
2
2
1 sin x = 1 x +
x3
+ o(x3 )
3!
Division euclidienne :
3
4
Donc f (x) = 1 + x + x2 + x3 + o(x3 ).
2
3
4.6.4
x3
3!
x3
+ o(x3 ). Alors
3!
+ o(x3 )
x2 o(x3 )
= lim 1
+
= 1.
x0
x
3!
x
x2
+ o(x2 )
2
1
= 1 cos x = x2 + o(x2 ) et donc
2
1 cos x
1 o(x2 )
1
= lim +
= .
2
x0
x0 2
x
x2
2
lim
ET SERIE
4.6. DEVELOPPEMENT
LIMITE
DE TAYLOR
97
3)
3
x
3
3x (3x)
sin(3x) 3 sin x
3 ! 3(x 3 ! ) + o(x )
lim
= lim
2
x0
x0
x(1 cos x)
x[1 (1 x + o(x3 ))]
2
= lim
x0
4x3 + o(x3 )
x3
2
+ o(x4 )
4 + o(x3 )/x3
= 8.
x0 1 + o(x4 )/x4
2
= lim
4.6.5
Soit f (x) une fonction et a un point stationnaire. On peut utiliser le developpement limite
de f (x) autour de a pour determiner la nature de a et obtenir le resultat suivant :
Th
eor`
eme 4.38. Soit f (x) C n (I) avec n 2 telle que
0
f (a) = 0
f (k) (a) = 0 pour 1 k < n et
f (n) (a) = C 6= 0. Alors
1 si n est pair et C > 0, a est un minimum (local) ;
2 si n est pair et C < 0, a est un maximum (local) ;
3 si n est impair, a est un point dinflexion et donc un plat.
Exemples :
A) Soit f (x) = x sin x. Alors le developpement limite autour de x = 0 est
f (x) = x sin x = x (x
x3
x3
+ o(x3 )) =
+ o(x3 )
3!
3!
On a donc f (0) = f 0 (0) = f 00 (0) = 0 et f (3) (0) = 1. La premi`ere derivee non nulle est la
3`eme. On a donc un plat en x = 0 par le point 3 du theor`eme.
x4 x8
B) Soit f (x) = cos(x2 ) = 1
+
+ ....
2
4!
0
00
(3)
Alors f (0) = f (0) = f (0) = 0 et f (4) (0) = 12 4! = 12. On a donc n = 4 et
C = 12 < 0 ce qui montre que x = 0 est un maximum par le point 2 du theor`eme.
Remarque 4.39. Le developpement limite de f (x) dordre n permet de retrouver f (k) (a)
pour tout k n.
Formule dEuler
X
x2 x3 x4
xk
=1+x+
+
+
+ ...
On a ex =
k!
2
3!
4!
k=0
Si lon pose x = i on obtient
(i)2 (i)3 (i)4
+
+
+ ...
2
3!
4!
2 4
=1
+
...
2
4!
3 5
+i
+
...
3!
5!
= cos + i sin .
ei = 1 + i +
CHAPITRE 4. DERIV
EES
ET APPLICATIONS
98
On a ainsi d
emontr
e la formule dEuler :
ei = cos + i sin .
On en deduit les 2 formules :
cos =
4.7
ei + ei
2
sin =
ei ei
2i
R
esolution num
erique d
equations : m
ethode de Newton
f (x1 )
.
f 0 (x1 )
f (xn )
f 0 (xn )
()
On peut demontrer, que si x1 est choisi proche de x alors la suite des xn converge vers x .
Exemples 4.40.
(1) On cherche `a resoudre lequation x = cos x.
On prend f (x) = x cos x. Alors f 0 (x) = 1 + sin x et
xn+1 = xn
xn cos xn
.
1 + sin xn
4.7. RESOLUTION
NUMERIQUE
DEQUATIONS
: METHODE
DE NEWTON
Si lon part avec x1 = 12 alors on obtient
x2 = 0.755222 x3 = 0.73914166
x4 = 0.739085 x5 = 0.739085133
99
f 0 (x) = pxp1
xpn c
pxp1
n
c 1
1
= (1 )xn +
.
p
p xp1
n
Si c Q+ et x1 est choisi dans Q+ , alors les xn forment une suite rationnelle qui
converge vers p c.
Exemple : p = 3, c = 2. On veut approcher
3
2. Lalgorithme devient
2
2
xn+1 = xn + 2 .
3
3xn
x1 = 1
x2 =
4
3
x3 =
91
72
x4 =
1126819
894348
x5 = 1.25992105002
Exemple :
f (x) = x3 + 2x2 5x 6.
En partant de x0 = 1.905985711, on trouve
x1 = 0.337561961
x2 = 1.905985711
x3 = 0.337561961
x4 = 1.9059857105
x5 = 0.337561948
Chapitre 5
Calcul int
egral
5.1
5.1.1
Lint
egrale d
efinie
D
efinition par sommes de Riemann
Soit f C 0 [a; b] positive. On cherche `a calculer laire S du domaine limite par le graphe de
f , laxe Ox ainsi que les droites x = a et x = b.
n
X
f (k ) xk
k=1
101
CHAPITRE 5. CALCUL INTEGRAL
102
Remarque 5.2. On peut montrer, que pour quune fonction f (x) soit integrable, il suffit
de montrer la convergence des suites Sn pour deux choix particuliers des n . En effet, posons
Mk = sup f (x)
mk = inf f (x)
xIk
xIk
mk xk
k=1
n
X
f (k ) xk
k=1
{z
n
X
Mk xk .
k=1
=Sn
Ainsi
5.1.2
Z
Propri
et
es de lint
egrale d
efinie
a
f (x) dx = 0
(1)
a
(2)
Z
f (x) dx +
a
f (x) dx =
Z
f (x) dx
a
f (x) dx =
b
f (x) dx
a
Z
+
(5)
Z b
Z b
|f (x)| dx
f (x) dx
g(x) dx
a
5.1. LINTEGRALE
DEFINIE
103
2 Z b
Z b
2
f (x) dx
g 2 (x) dx.
f (x)g(x) dx
et par (3)
Z
f 2 (x) dx 2t
Z
f (x)g(x) dx + t2
g 2 (x) dx 0
et ceci pour tout t. Le discriminant de cette equation du 2`eme degre en t doit donc etre
negatif ou nul. Ainsi
Z
= B 4AC = 4
2
Z b
Z b
2
f (x)g(x) dx 4
f (x) dx
g 2 (x) dx 0.
Remarque 5.4. La variable dintegration est une variable muette. Son changement naffecte en rien la valeur de lintegrale :
Z b
Z b
f (x) dx =
f (u) du.
a
D
efinition 5.5. f est continue par morceaux sur I = [a; b] sil existe Ik = [xk1 ; xk ]
k = 1, 2, . . . , n avec x0 = a et xn = b de telle sorte que f (x) soit continue sur chaque
intervalle ouvert ]xk1 ; xk [, continue `a gauche en x1 , x2 , . . . , xn et continue `a droite en
chaque x0 , x1 , . . . , xn1 .
Th
eor`
eme 5.6. Toute fonction continue par morceaux est integrable.
Sans demonstration.
5.1.3
Th
eor`
eme fondamental du calcul int
egral
Dans cette section, nous allons montrer le lien entre lintegrale definie et la derivee.
Lemme 5.7 (Theor`eme de la moyenne du calcul integral). Soit I = [a; b], f C 0 (I). Alors
il existe I tel que
Z b
f (x) dx = f () (b a).
a
CHAPITRE 5. CALCUL INTEGRAL
104
monstration :
De
Soit m = inf f (x) et M = sup f (x). Alors
xI
xI
Z
m (b a)
f (x) dx M (b a).
a
et donc
Z b
1
f (xm ) = m
f (x) dx M = f (xM ).
ba a
|
{z
}
=c
Th
eor`
eme 5.8 (Theor`eme fondamental du calcul integral). Soit I = [a; b] et f C 0 (I).
Posons
Z x
F (x) =
f (t) dt.
a
Alors
F 0 (x)
monstration :
De
Reprenons la definition de la derivee :
F (x + h) F (x)
h0
h
Z x+h
Z x
1
= lim
f (t) dt
f (t) dt
h0 h
a
a
Z x+h
1
= lim
f (t) dt
h0 h
x
1
= lim
h f (x + h) 0 1 par (*)
h0 h
= lim f (x + h)
F 0 (x) = lim
h0
= f (x)
En dautres termes, on a
d
dx
Z
a
f (t) dt = f (x)
5.2. PRIMITIVES
105
Explication intuitive :
dF (x)
= f (x).
dx
Th
eor`
eme 5.9. Soit f (x) integrable sur I = [a; b] et F (x) telle que F 0 (x) = f (x). Alors
Z
f (t) dt.
a
Alors par le theor`eme precedent, on a 0 (x) = f (x) = F 0 (x). Ainsi (x) = F (x) + c
(cf. chapitre 4).
Or (a) = 0 = F (a) + c = 0 = c = F (a). Donc (x) = F (x) F (a). On en
deduit que
Z b
(b) =
f (t) dt = F (b) F (a).
a
Corollaire 5.10. Soit f (x) une fonction continue et (x) une fonction derivable. Alors
(a)
d
dx
(b)
d
dx
5.2
5.2.1
"Z
(x)
f (t) dt = f (x)
#
f (t) dt = f ((x)) 0 (x) f ((x)) 0 (x)
(x)
Primitives
D
efinition et propri
et
es
D
efinition 5.11. Soit f (x) une fonction. Une primitive de f (x) est une fonction F (x)
telle que F 0 (x) = f (x).
Remarque 5.12. Si F (x) est une primitive de f (x), alors
G(x) = F (x) + c
en aussi une primitive de f (x). Reciproquement, deux primitives dune meme fonction ne
diff`erent que dune constante (cf. chapitre 4 : f 0 (x) 0 = f (x) c).
CHAPITRE 5. CALCUL INTEGRAL
106
La section qui prec`ede a montre que le calcul dune integrale definie se ram`ene au calcul
dune primitive.
De ce fait, on note
Z
f (x) dx
lensemble de toutes les primitives de f (x), que lon appelle aussi int
egrale ind
efinie.
Determiner les primitives dune fonction est un probl`eme difficile.
Le theor`eme du calcul integral montre que toute fonction continue poss`ede une primitive.
Mais il existe des fonctions analytiques continues qui nont pas de primitives analytiques
2
comme par exemple f (x) = ex .
Lin
earit
e de la primitive : la linearite de la derivee implique celle de la primitive :
Z
Z
f (x) + g(x) dx =
5.2.2
Z
f (x) dx +
g(x) dx.
1
dx = ln |x| + C.
x
Z
eax dx =
1 ax
e + C.
a
Z
cos(ax) dx =
1
sin(ax) + C
a
(IV) etc...
Recherche par calcul direct
On obtient certaines primitives en transformant la fonction `a integrer de telle sorte `a faire
apparatre une forme connue de derivee :
Exemples 5.13.
Z
1
p
dx =
dx =
dx =
px + q + C.
px + q
p 2 px + q
p
2 px + q
p
5.2. PRIMITIVES
(2)
107
1
1
1
(1 + cos(2px)) dx = x +
sin(2px) + C.
2
2
4p
cos2 (px) dx =
(3)
Z
x2 + x + 1
dx =
x3 + x
x2 + 1 + x
dx =
x(x2 + 1)
1
1
+ 2
dx = ln |x| + arctan(x) + C.
x x +1
(5.1)
o`
u F (u) est une primitive de f (u).
Une methode pour integrer est donc de mettre lintegrant sous la forme f (g(x)) g 0 (x) en
sachant trouver une primitive de f .
Il est donc important lors du calcul dune integrale de reperer les derivees internes (= g 0 (x)).
Exemples 5.14.
(1)
Z
dx =
2
x +1
2x
1
1
dx =
2 x2 + 1
2
p
1
1 (x2 + 1) 2
2x(x2 +1) 2 dx =
+ C = x2 + 1 + C
2
1/2
1
En appliquant la formule 5.1 `a des fonctions f particuli`eres, on obtient les formules suivantes :
(I)
Z
g 0 (x)eg(x) dx = eg(x) + C.
(II)
(III)
g 0 (x)
dx = ln |g(x)| + C.
g(x)
Z
g 0 (x)[g(x)] dx =
(IV)
1
[g(x)]+1 + C
+1
g 0 (x)
dx = arctan[g(x)] + C.
1 + g 2 (x)
6= 1.
CHAPITRE 5. CALCUL INTEGRAL
108
(V)
Z
g 0 (x) cos(g(x)) dx = sin[g(x)] + C.
(VI) etc...
Int
egration par parties
On sait que (f g)0 = f 0 g + f g 0 ce qui donne f 0 g = (f g)0 f g 0 . En integrant des deux cotes
on obtient la r`egle dint
egration par parties :
Z
Z
0
f (x)g(x) dx = f (x)g(x)
(I.P.P.)
Exemples 5.15.
(1)
Z
x
I.P.P.
xe dx = xe
avec f 0 = ex et g = x.
Z
(2)
ln x dx = x(ln x 1) + C
ex dx = xex ex + C = ex (x 1) + C.
(cf. exercices)
(3)
Z
I.P.P.
sin(x)ex dx = sin(x)ex
cos(x)ex dx
Z
I.P.P.
x
x
x
= sin(x)e cos(x)e sin(x)e dx
Z
x
= (sin x cos x)e sin(x)ex dx
R
On obtient (en passant le terme sin(x)ex dx de lautre cote)
Z
2
et donc
1
sin(x)ex dx = (sin x cos x)ex + C .
2
(4)
Z
Z
arctan x dx =
I.P.P.
1 arctan x dx = x arctan x
= x arctan x
en posant f 0 = 1 et g = arctan x.
1
ln(1 + x2 ) + C
2
Z
x
1
dx
1 + x2
5.2. PRIMITIVES
109
Int
egration par changement de variable
Th
eor`
eme 5.16. Soit f (x) une fonction continue sur un intervalle I et : [; ] I
une fonction de classe C 1 avec a = () et b = (). Alors
Z b
Z
f (x) dx =
f ((t)) 0 (t) dt
a
(x)
f (t) dt
et
corollaire 5.10, on a
ce qui donne
Z
Z
0
f ((t)) (t) dt =
()
f (x) dx
a
()
()
f (x) dx =
a
f (x) dx .
()
Remarque 5.17. Ce changement de variable est egalement valable pour calculer une primitive de f (x) `
a condition de pouvoir inverser la fonction (t) cest-`a-dire de pouvoir
ecrire t = 1 (x).
Exemples 5.18.
1. Calculons J =
On pose
dx.
(1 + x2 ) 1 + x2
x = tan t
dx = (1 + tan2 t) dt
<t< .
2
2
Et comme tan(0) = 0 et tan 4 = 1, on a
Z
Z
4
4
1
1
q
(1 + tan2 t) dt =
J=
dt
2
2
1
0 (1 + tan t) 1 + tan t
0
cos2 t
Z
Z
4
4
2
/4
cos t dt =
=
cos t dt = sin t
=
.
2
0
0
0
avec
CHAPITRE 5. CALCUL INTEGRAL
110
Comme est inversible sur lintervalle considere, cet exemple permet de trouver une
1
primitive de f (x) =
.
2
(1 + x ) 1 + x2
En effet, on a t = arctan x, ce qui donne
F (x) = sin t = sin(arctan x) + C.
Z
2.
x3 (1 x2 )5/2 dx =
t .
2
2
= dx = cos t dt
cos t = cos(arcsin x) =
p
1 x2 .
On obtient
Z
Z
Z
3
2 5/2
3
2 5/2
x (1 x ) dx = sin t (1 sin t) cos t dt = sin3 t cos5 t cos t dt
Z
Z
2
6
= sin t (1 cos t) cos t dt = (sin t cos6 t sin t cos8 t) dt
1
1
= cos7 t + cos9 t + C
7
9
1
1
= (1 x2 )9/2 (1 x2 )7/2 + C.
9
7
5.2.3
Int
egration des fonctions rationnelles
P (x)
une fonction rationnelle `a integrer.
Q(x)
On effectue les etapes suivantes :
Soit f (x) =
1`ere etape : si deg(P ) deg(Q), on effectue la division eulidienne de P (x) par Q(x) :
P (x) = Q(x)D(x) + R(x)
ce qui donne
P (x)
R(x)
= D(x) +
avec cette fois-ci deg(R) < deg(Q) et D(x) integrable.
Q(x)
Q(x)
P (x)
Q(x)
2`eme etape : On sait que Q(x) se factorise dans R en un produit de polynomes du premier
degre et/ou du deuxi`eme degre sans racines reelles :
Q(x) = (x 1 )m1 (x p )mp (x2 + 2A1 x + B1 )l1 (x2 + 2As x + Bs )ls
(5.2)
P (x)
en une somme de fractions simples, chaque
Q(x)
terme dans (5.2) contribuant de la mani`ere suivante :
C1
C2
Cm
+
+ +
fractions simples de 1`ere esp`ece
2
x (x )
(x )m
D1 x + E1
D2 x + E2
Dl x + Dl
(x2 + 2Ax + B)l
7
+ 2
+ + 2
2
2
x + 2Ax + B (x + 2Ax + B)
(x + 2Ax + B)l
fractions simples de 2`eme esp`ece
(x )m 7
5.2. PRIMITIVES
111
1
(x 1)(x2 + 2) x=0
x1
x2 + 2
x=0
4
= C1
1 2
donc C1 = 2.
()
2
x(x2 + 2) x=1
x
x2 + 2
x=1
6
= C2
13
donc C2 = 2.
En multipliant (*) par x et en faisant x , on obtient
0 = C1 + C2 + D
donc D = 0.
On choisit une valeur particuli`ere pour determiner E. Par exemple, en posant x = 1,
4
C2 E
on a = C1
+
ce qui donne E = 1. En conclusion
6
2
3
x2 + x + 4
2
2
1
= +
2
.
2
x(x 1)(x + 2)
x x1 x +2
2)
x3 + 5x + 2
C2
C4
x3 + 5x + 2
C1
C3
+
+
=
=
+
.
2
2
2
2
2
(x 1)
(x 1) (x + 1)
x 1 (x 1)
x + 1 (x + 1)2
8
Multiplication par (x 1)2 et x := 1 : = C2
4
4
Multiplication par (x + 1)2 et x := 1 :
= C4 = 1
4
Multiplication par x et x : 1 = C1 + C3
On pose x = 0 : 2 = C1 + C2 + C3 + C4 donc 1 = C3 C1
Les 2 derni`eres equations donne : C3 = 1 et C1 = 0. Finalement
x3 + 5x + 2
2
1
1
=
+
.
2
2
2
(x 1)
(x 1)
x + 1 (x + 1)2
CHAPITRE 5. CALCUL INTEGRAL
112
3`
eme
etape : int
egration des fractions simples
Les fractions simples ont toutes des primitives elementaires :
Fractions simples de 1`
ere esp`
ece :
si m 6= 1 alors
1
1
1
dx =
+C
m
(x )
(m 1) (x )m1
sinon
1
dx = ln |x | + C
x
Fractions simples de 2`
eme esp`
ece :
Z
Z D
Dx + E
2 (2x + 2A) + E DA
dx =
dx
2
x + 2Ax + B
x2 + 2Ax + B
Z
Z
D
2x + 2A
1
=
+ (E DA)
dx
2
2
2
x + 2Ax + B
(x + A) + B A2
Z
E DA
1/ B A2
D
2
ln(x + 2Ax + B) +
2 dx
2
B A2
1 + x+A
BA2
E DA
x+A
D
2
ln(x + 2Ax + B) +
arctan
+C
=
2
B A2
B A2
(5.3)
Dx + E
dx =
2
(x + 2Ax + B)2
D
2 (2x + 2A) + E DA
(x2 + 2Ax + B)2
dx
2x + 2A
D
+ (E DA)
=
2
2
(x + 2Ax + B)2
D
1
= 2
+ (E DA) I
2 x + 2Ax + B
Il reste `a calculer
Z
I=
Z
(x2
1
dx
+ 2Ax + B)2
1
dx.
(x2 + 2Ax + B)2
Z
u
1
1
u
du =
+ arctan
+ C.
(u2 + )2
2(u2 + ) 2
La formule precedente peut etre verifiee directement ou sobtient par parties. Plus generalement
on a la formule recurrente :
Z
Z
1
u
2n 1
1
du
=
+
du.
(u2 + )n+1
2n(u2 + )n
2n
(u2 + )n
Z
Exemple complet : Calculons
P (x)
dx =
Q(x)
7 2x3
dx.
x3 + x2 2
5.2. PRIMITIVES
113
5
= C1 donc C1 = 1.
5
3
2
= C1 +
Finalement
E
2
donne E = 1.
1
x1
2x2 + 3
=
+ 2
2
(x 1)(x + 2x + 2)
x 1 x + 2x + 2
1
dx = ln |x 1| + C
x1
Z
1
x1
dx = ln(x2 + 2x + 2) 2 arctan(x + 1) + C
2
x + 2x + 2
2
en appliquant la formule (5.3) avec A = 1, B = 2, D = 1 et E = 1. En mettant ces termes
ensembles, on obtient
Z
Z
2x2 + 3
P (x)
dx = 2 + 3
dx
Q(x)
x + x2 2
Z
Z
1
x1
= 2x +
dx +
dx
2
x1
x + 2x + 2
1
= 2x + ln |x 1| + ln(x2 + 2x + 2) 2 arctan(x + 1) + C.
2
5.2.4
Int
egration des fonctions rationnelles de fonctions trigonom
etriques
P (sin x; cos x)
, on effectue un des changements de
Q(sin x; cos x)
CHAPITRE 5. CALCUL INTEGRAL
114
Exemple 5.19.
Z
tan x
dx =
2 sin2 x
sin x
dx
cos x(1 + cos2 x)
Z
Z
1
=
dt =
t(1 + t2 )
1
= ln(1 + t2 ) ln |t| + C
2
5.2.5
(A)
a2 b2 x2
a
sin t
b
dx =
a2 b2 x2 on peut parfois
a
cos t dt
b
Exemple :
Z p
Z p
2
1 x dx =
1 sin2 t cos t dt
Z
Z
2
=
cos t cos t dt = cos2 t dt
Z
1
1
1
(1 + cos(2t)) dt = t + sin(2t) + C
=
2
2
4
1
1
arcsin x + sin(2 arcsin x) + C
2
4
(B)
a2 + b2 x2
a2 + b2 x2 , on effectue le changement
p
p
a2 + b2 x2 = |a| cosh2 t = |a| cosh t.
Exemple :
Z p
1+
x2 dx
Z p
=
1 + sinh2 t cosh t dt
Z
Z
1
2
= cosh t dt =
(t + cosh(2t)) dt
2
1
1
= t + sinh t + C
2
4
1
1
= arcsinh x + sinh(2arcsinh x) + C
2
4
5.3. INTEGRALES
IMPROPRES
115
t= 6x
=
x = t6
=
dx = 6t5 dt.
dx =
6t5 dt
3
6
t 4t2
x4 x
Z 6
t + t3
=6
dt = . . .
t4 4
5.3
5.3.1
Int
egrales impropres
D
efinitions
D
efinition 5.20. Soit f (x) une fonction bornee et continue. On appelle int
egrale impropre de 1`
ere esp`
ece une integrale de f (x) o`
u lune des bornes tend vers linfini.
On pose
Z
() =
f (x) dx
a
On note parfois
f (x) dx = F (x) o`
u F (x) est une primitive de f (x).
a
Exemples 5.21.
Z
Z
h
i
h
i
x
(1)
e dx = lim
ex dx = lim ex = lim 1 e = 1.
1
1
1
Z
(2) Que vaut
cos x dx ? On a
0
D
efinition 5.22. Soit f (x) une fonction continue sur ]a; b] avec lim = . On appelle
xa+
Z b
integrale impropre de 2`eme esp`ece lintegrale
f (x) dx.
a
CHAPITRE 5. CALCUL INTEGRAL
116
Si la limite existe, on pose
Z
f (x) dx := lim
0+
On note parfois
f (x) dx.
a+
f (x) dx = F (x) +
a
Exemples 5.23.
Z 1
Z 1
1
1
1
dx = lim
dx = lim 2 x = lim (2 2 ) = 2.
(a)
x
x
0+
0+
0+
0
(b) Lintegrale
Z
0
1
dx
x
1
dx = ln(1) ln() = ln()
x
C 0 (I).
Si
Z
|f (x)| dx converge, alors
f (x) dx converge.
I
Z b
Z b
Techniques dint
egration
Les integrations par parties et par changement de variables sappliquent aussi aux integrales
impropres :
Z
Z
h
i
I.P.P.
xex dx = xex
ex dx = 0 ex
=1
Exemple 5.25.
0
5.3. INTEGRALES
IMPROPRES
117
f (x) dx = lim
et NON PAS
Z
lim
f (x) dx + lim
f (x) dx
f (x) dx.
Exemple : Lintegrale
lim
sin x dx
nexistent pas.
lim
sin x dx
et
1
dx, il faut calculer
(x 2)2
Z
0
1
dx +
(x 2)2
Z
2
1
dx
(x 2)2
1
1 2
dx =
(x 2)2
x 2 0
Z
ne converge pas. Donc lintegrale
0
Le calcul
Z
0
1
dx ne converge pas.
(x 2)2
1
1
3
1 3
= 1 =
dx =
2
(x 2)
x2 0
2
2
est FAUX.
5.3.2
Crit`
eres de convergence
CHAPITRE 5. CALCUL INTEGRAL
118
Th
eor`
eme 5.27.
Z
Donc lintegrale
0
0
b
1
dx =
xr
1
1r
b1r si r < 1
+
si r 1.
1
dx converge si et seulement si r < 1.
xr
monstration : Pour r 6= 1, on a
De
b 1 1r
Z b
1
si r < 1
r
1r
1r b
x dx =
x =
+
si r > 1.
1r
0
0
Z b
b
1
Si r = 1, on a
dx = ln x = +.
x
0
0
Z
Exemple : le crit`ere de comparaison permet daffirmer que lintegrale
0
1
1
1
= 1 pour x ]0; 2].
converge car
2
x(x + 1)
x
x2
Th
eor`
eme 5.28. Soient a > 0 et r > 0. Alors
Z
1
+
dx
=
1
1r
r
x
a
r1 a
Z
1
Ainsi
dx converge si et seulement si r > 1.
xr
a
dx
x(x2 + 1)
si r 1
si r > 1.
monstration : Pour r 6= 1, on a
De
Z
1
1
+
1r
x =
dx =
1
1r
r
x
1
r
a
r1 a
a
Z
h
i
1
Pour r = 1, on a
dx = ln x
= +.
x
a
a
si r < 1
si r > 1.
P (x)
Application : soit f (x) = Q(x)
une fonction rationnelle. Supposons que Q(x) 6= 0 pour
Z
x a. Alors
f (x) dx converge lorsque
a
deg(Q) deg(P ) 2
et diverge sinon.
Exemple :
Z
et
0
x(1 + cos2 x)
dx >
1 + x2
Z
0
x
dx
1 + x2
x
dx diverge car
1 + x2
deg(1 + x2 ) deg(x) = 1 6 2.
119
Fonctions exponentielles
Pour q > 0 et a R on a
1 qx 1 aq
e
dx = e = e
q
q
a
a
Z
Corollaire 5.29. Pour tout p, q > 0 et tout a R, lintegrale
Z
qx
xp eqx dx converge.
monstration : En effet, on a
De
xp
eq/2x
x N.
5.4
5.4.1
Nous avons vu que laire du domaine limite par Ox et y = f (x) entre a et x est donne par
Z x
dA
A(x) =
f (t) dt
=
A0 (x) = f (x)
= f (x)
dx
a
dA = f (x)dx = ydx.
()
Z
dA.
Si f (x) g(x) sur le domaine considere, alors laire du domaine limite par y = f (x) et
y = g(x) entre a et b est donne par
Z b
Dans certains cas, il est plus simple dintegrer en fonction de la variable y, les bords du
domaine etant alors des fonctions de y. On a la formule symetrique :
dA = x(y) dy.
CHAPITRE 5. CALCUL INTEGRAL
120
y=3
dA =
y=0
3 2 1 3
3y y dy =
y y
2
3
2
3
0
9
= .
2
Repr
esentation param
etrique
Supposons quune courbe soit donnee sous forme parametrique :
x = x(t)
y = y(t)
Alors x(t)
dx
= dx = x(t)
dt. La formule (*) devient
dt
dA = y dx = y(t)x(t)
dt
tQ
y(t)x(t)
dt.
tP
Exemple : la cyclode
La trajectoire dun point dun cercle roulant sur une droite est donnee par la cyclode :
121
On a x(t)
A=
y(t)x(t)
dt =
0
=R
Rappel :
cos t + sin t dt =
0
1 dt = 2
0
cos2 t dt = .
5.4.2
Domaine ferm
e
x = x(t)
y = y(t)
pour t [t1 ; t2 ].
xD
Z
y + dx
xG
tG
Z
y dx =
xG
t2
y x
tD
Z t2
xD
y x
tG
tD
tG
tD
t2
y(t)x(t)
dt
y(t)x(t)
dt +
tG
y x
t1
xy
dt
t1
t2
xy dt.
t1
tD
t1
y(t)x(t)
dt
CHAPITRE 5. CALCUL INTEGRAL
122
I
(xy xy)
dt.
t2
= integrale curviligne =
. . . dt
t1
o`
u [t1 ; t2 ] parcourt le bord de D dans le sens trigo une et une seule fois.
Exemple : Aire de la boucle de la courbe : y 3 xy 2 + x4 = 0
3 3
2 3
4
Param
3 etrisation
: si lon pose y = tx, on obtient t x t x + x = 0 ce qui donne
3
2
x (t t ) + x = 0 et donc
x = t2 t3
y = t3 t4
t = 0 (0; 0)
t = 1 (0; 0)
Et pour 0 < t < 1, on a x > 0 et y > 0. Donc si t parcourt lintervalle [0; 1], on parcourt le
bord de D une et une seule fois. Alors
Z
Z
1 1 2
1 1
(xy xy)
dt =
(t t3 )(3t2 4t3 ) (2t 3t2 )(t3 t4 ) dt
A=
2 0
2 0
Z
1 1 4
1
=
t (1 t)2 dt = =
.
2 0
210
5.4.3
Surfaces sectorielles
tQ
tP
(xy xy)
dt
x=t
(pente = m)
y = mt
123
x = 1
y = m
xy xy
= mt mt = 0
Idem pour QO : xy xy
= 0.
Donc
I
Z
(xy xy)
dt =
Z
...
OP
Z
...
Z
...
PQ
=0+
QO
+ 0 =
P
xy xy.
x = a cos t
y = b sin t
Alors
1
A=
2
tQ
tP
1
(a cos t b cos t + a sin t b sin t) dt = ab (tQ tP ).
2
et
y = sin
x = cos sin
et
y = sin + cos .
donne
Laire est egale alors `a
Z
1 Q
(xy xy)
d
A=
2 P
Z Q
1
=
cos ( sin + cos ) sin ( cos sin ) d
2 P
Z
1 Q 2
=
(cos2 + sin2 ) d
2 P
Z
1 Q 2
=
() d.
2 P
CHAPITRE 5. CALCUL INTEGRAL
124
Explication intuitive :
1
1
1
1
base hauteur ds = d = 2 d.
2
2
2
2
1
A=
2
5.4.4
/4
a2
d
2
9/4
a
.
!
!
a2
a2
1
13 2
a .
d =
+ ... =
2
2
/4
9
Longueur darc
Soit : y = f (x) une courbe avec f derivable. On note s la longueur darc de entre le
point P et le point Q. On approxime larc P Q par une suite de cordes Pk Pk+1 .
x2k + yk2
n
X
k=0
lk =
n q
X
k=0
x2k
yk2
n
X
k=0
1+
yk
xk
2
xk
()
xQ
125
yk
dy
Z
p
0
2
1 + y (x) dx =
xP
xQ
xP
xp
ds p
= 1 + f 0 (x)2 et donc
dx
De s(x) =
p
1 + f 0 (x)2 dx
ds = s0 (x) dx =
dx2 + dy 2
()
ds =
x = x(t)
y = y(t)
x(t)
2 + y(t)
2 dt
Z
s=
tQ
dx = x(t)
dt
dy = y(t)
dt
et ainsi
x(t)
2 + y(t)
2 dt
tP
Exemple 5.30.
Longueur dune ellipse :
:
x2 y 2
+ 2 =1
a2
b
x = a cos t
y = b sin t.
Parametrisation :
x = a sin t
y = b cos t
L=
Z
p
2
2
2
2
a sin t + b cos t dt = b
=b
p
1 k 2 sin2 t dt
r
a 2
b
sin2 t + cos2 t dt
2
o`
u k 2 = 1 ab .
Cette integrale nest pas elementaire : on ne peut la calculer quavec des methodes numeriques.
CHAPITRE 5. CALCUL INTEGRAL
126
Longueur en coordonn
ees polaires
et
y = sin
et
y = sin + cos .
2 () + 2 () d.
=2
L=
Z
q
2
2
2
2
a (1 + cos ) + a sin d = 2a
=0
p
2 + 2 cos d
|
{z
}
=4 cos2
= 2a
|2 cos | d = 4a
cos d = 8a sin = 8a.
2
2
2 0
0
0
5.5
5.5.1
On suppose que laire A de la section de ce corps par chaque plan horizontaux est connue ;
elle est alors fonction de z : A = A(z).
127
n
X
A(zk ) zk .
k=0
Cest une somme de Riemann et lon peut faire tendre n vers linfini. Si la limite existe, on
obtient
Z zmax
V = lim Vn =
A(z) dz.
n
zmin
Exemples 5.31.
(1) Volume dun cone de base quelconque B et de hauteur h.
Z h
Z h
B 2
B 1 3 h 1
z
= B h.
V =
B(z) dz =
z
dz
=
2
h2 3 0
3
0
0 h
(2) Volume de lellipsode :
x2 y 2 z 2
+ 2 + 2 = 1.
a2
b
c
x2 y 2
z02
+
=
1
= 02
a2
b2
c2
y2
x2
+
=1
(a0 )2 (b0 )2
A0 = (a0 )(b0 ) =
z2
A(z) = ab 1 2 .
c
z02
= ab 1 2
c
CHAPITRE 5. CALCUL INTEGRAL
128
c
Z c
Z c
z2
4
z2
z 2
ab 1 2 dz = 2ab
1 2 dz = 2ab z 2 = abc.
V =
c
c
3c
3
c
0
0
4
Si a = b = c = R, lellipsode est une sph`ere de volume V = R3 .
3
5.5.2
Corps de r
evolution
x2
V =
f 2 (x) dx.
x1
y2
V =
[f 1 (y)]2 dy
y1
ou egalement
x2
V =
x1
x2 f 0 (x)dx
| {z }
=dy
129
4
4x6 dx = .
7
y 1/3
et h(y) = 1.
Rotations autour de laxe Oy du domaine D : x = f (y) = g(y) =
2
Alors
Z y=2
Z 2
y 2/3
1
3 5/3 2
6
4
2
2
V =
h(y) g(y) dy =
1
dy = y 2/3 y
= (2 ) =
.
2
5
5
5
2
y=0
0
0
Courbes param
etriques
x = x(t)
:
y = y(t)
dV = y 2 (t)x(t)
dt
dV = x2 (t)y(t)
dt
x = R + r cos t
y = r sin t
t [0; 2]
CHAPITRE 5. CALCUL INTEGRAL
130
5.6
Surface de r
evolution
f (xk ) + f (xk1 )
lk
2
s
o`
u lk est la longueur de la corde Pk1 Pk . Or, on a montre que lk =
Donc
Sn =
n
X
sk =
k=1
n
X
k=1
s
f (xk1 ) + f (xk )
2
1+
yk
xk
1+
2
xk .
xQ
p
f (x) 1 + f 0 (x)2 dx.
xP
p
dx2 + dy 2 = 2f (x) 1 + f 0 (x)2 dx
o`
u ds = element differentiel de longueur =
dx2 + dy 2 dx.
Ici, on a
dS = 2x ds
yk
xk
2
xk .
131
Exemples 5.33.
1) Miroir parabolique : soit y = x2 un arc de parabole avec 0 x 1.
La rotation autour de Oy donne un miroir parabolique.
Sa surface vaut
Z
S = 2
0
1
p
2
x 1 + 4x2 dx =
(1 + 4x2 )3/2 = (5 5 1).
43
6
0
x = R cos
[0; ].
y = R sin
2
S =2
dS = 2 2
Z
= 4
/2
p
2 + y()
2 d
x x()
0
/2
R cos R d = 4R2 .
5.7
Convergence des s
eries : crit`
ere int
egral
un .
n=1
Posons f (n) = un et prolongeons la fonction discr`ete f (n) aux valeurs reelles x > 1.
CHAPITRE 5. CALCUL INTEGRAL
132
et donc
Z
sn >
f (x) dx + +
1
n+1
f (x) dx.
De meme,
Z
un+1 = f (n + 1) 1 <
do`
u
Z
sn+1 < u1 +
n+1
f (x) dx
n
n+1
+ +
1
n+1
f (x) dx =
= u1 +
n+1
f (x) dx.
1
Applications
X 1
Les series
(r > 0) converge si r > 1 et diverge sinon.
nr
Exemples :
1) Que peut-on dire de
X
k=2
Posons
1
?
k ln k
f (x) =
1
.
x ln x
1
On a bien f (x) decroissante car f 0 =
(ln x + 1) < 0 si x 2.
(x ln x)2
Z
Z
h
i
1
f (x) dx =
dx = ln | ln x|
= +.
x ln x
2
2
2
On en deduit que la serie diverge.
1
.
k(ln k)2
k=2
1
Alors f (x) =
est decroissante et
x(ln x)2
Z
Z
1
1
1
1
Chapitre 6
Equations diff
erentielles ordinaires
6.1
Introduction et d
efinitions
()
Exemples 6.2.
1. Circuit electrique RLC serie :
Notons q(t) la charge sur la capacite. Alors le courant est la derivee de la charge :
I(t) = q(t).
133
134
inductance L : UL = L
dI(t)
= L
q (t)
dt
capacite C : q = CUC
U = U (t) : tension de la source.
Remarque 6.3 (Conditions initiales). Pour resoudre une equation differentielle, on fait
une integration : la solution g
en
erale contient donc une (ou plusieurs) constante(s)
C1 , C2 , . . .Cn .
Souvent, `a lequation differentielle (x, y, y 0 , . . . , y (n) ) = 0 sajoute une condition initiale
y(x0 ) = y0 , y 0 (x0 ) = v0 , . . . , y (n1) (x0 ) = b0 .
Cette condition initiale impose la valeur des constantes Ci : on parle de solution particuli`
ere.
6.2
Equation diff
erentielle du premier ordre
6.2.1
Equation s
eparable
Si
y 0 = (x, y) = f (x)g(y)
on dit que lequation differentielle est s
eparable. On a alors
1
1 dy
y 0 = f (x)
=
= f (x)
g(y)
g(y) dx
Z
Z
1
=
dy = f (x) dx
g(y)
Le probl`eme se ram`ene `a 2 integrations.
1
dy = f (x) dx
g(y)
6.2. EQUATION DIFFERENTIELLE
DU PREMIER ORDRE
135
Exemples 6.4.
1. xy 0 2y = 0
=
=
=
2y
1
= 2y
x
x
Z
Z
1
1
dy = 2
dx
y
x
y = C x2
CR
y0 =
dy
2
= y
dx
x
ln |y| = 2 ln |x| + c
1
2
dy = dx
y
x
|y| = x2 ec
(solution generale)
p
dy
= (1 + 2x) 1 + y 2
dx
arcsinh (y) = x + x2 + C
y(x) = sinh(x + x2 + C)
p
dy =
1 + y2
Z
(1 + 2x) dx
solution generale
1
dy = dx .
g(y)
1
dy = x + C
g(y)
dy
y 2 +y
()
= dx. Or
Z
y
1
1
1
dy
=
dy
=
ln
|y|
ln
|1
+
y|
=
ln
y2 + y
y y+1
y+1
y
Lequation () devient ln y+1 = x + c ce qui donne
y
= ec ex = Cex
y+1
CR
1
1 x
Ce
C
C
ex
CHAPITRE 6. EQUATIONS DIFFERENTIELLES
ORDINAIRES
136
6.2.2
Equation homog`
ene en x et y
D
efinition 6.5. On dit que (x, y) est homog`
ene de degr
e 0 en x et y si
(tx, ty) = (x, y)
pour tout t R.
Exemples 6.6.
1. (x, y) =
x3 + xy 2
est homog`ene de degre 0 (
y 3 + x2 y
(tx, ty) =
degr
e3
degr
e 3)
car
t3 x3 + txt2 y 2
x3 + xy 2
=
= (x, y).
t3 y 3 + t2 x2 ty
y 3 + x2 y
x+y
2x + 2y
1x+y
nest pas homog`ene car (2x, 2y) =
=
6= (x, y).
xy
4xy
2 xy
R
esolution : On effectue le changement de fonction
y(x) = u(x) x
y 0 = xu0 + u
x2
xy
homog`ene de degre 0.
+ y2
x2 u
u
1
u3
u
1
du
0
ux+u= 2
=
= u =
u
=
=
x + u2 x2
1 + u2
x 1 + u2
dx
x
1 + u2
Z
Z
1
1 + u2
1
1 + u2
du
=
dx
=
du =
dx
=
3
3
u
x
u
x
1
=
ln |u| = ln |x| + c.
2u2
0
Comme u =
y
, on trouve
x
x2
= ln |x| + ln |y/x| + c = ln |y| + c
2y 2
2 /2y 2
ex
= |y| |{z}
ec .
On obtient finalement
Cy = ex
2 /2y 2
=C
6.2. EQUATION DIFFERENTIELLE
DU PREMIER ORDRE
6.2.3
137
Equation lin
eaire
Une
equation diff
erentielle du premier ordre lin
eaire est (sous forme normale) :
y 0 + a(x)y = b(x)
ATTENTION : elle est lineaire en y et y 0 ; pas en x.
Le terme b(x) est appele le second membre.
Si b(x) = 0, lequation est dite homog`
ene. Sinon elle est inhomog`
ene ou avec second
membre.
Exemples 6.7.
cos x
cos x
y = 2x2 est lineaire inhomog`ene avec a(x) =
et b(x) = 2x2
x
x
y 0 y + xy = 2x 1 nest pas lin
eaire
4x3
x
0
3
e y + 4x y = 0 est lineaire homog`ene : y 0 + x y = 0
e
|{z}
y0 +
=a(x)
=
=
dy
1
= a(x)y
=
dy = a(x)dx
dx
y
Z
Z
1
dy = ln |y| = a(x) dx = A(x) + c
y
o`
u A(x) est une primitive de a(x). Ceci donne finalement
Solution generale de lequation homog`ene :
On note w(x) = eA(x) .
Exemple 6.8. y 0 + x2 y = 0.
On a a(x) = x2 = A(x) = x3 /3 ce qui donne
y = Cex
3 /3
yh (x) = C eA(x)
CR
CHAPITRE 6. EQUATIONS DIFFERENTIELLES
ORDINAIRES
138
=b(x)
ce qui montre que w(x) + yP (x) est une solution de lequation inhomog`ene.
Reciproquement, soit z1 (x) et z2 (x) deux solutions de lequation inhomog`ene. Alors
[z1 (x) z2 (x)]0 + a(x) [z1 (x) z2 (x)] = z10 (x) + a(x)z1 (x) [z20 (x) + a(x)z2 (x)]
= b(x) b(x) = 0
ce qui montre que w(x) = z1 (x) z2 (x) est solution de lequation homog`ene et donc que
z1 (x) = w(x) + z2 (x).
R
esolution de l
equation avec second membre : Il reste `a trouver une solution particuli`ere de lequation y 0 + a(x)y = b(x). Pour cela on utilise la
A : M
ethode des essais
On essaie une solution de la forme
yP (x) = K1 f1 (x) + K2 f2 (x) + + Kn fn (x)
o`
u les fi sont choisies relativement `a la forme du second membre b(x).
Exemples 6.10.
1.
y 0 + y = ex + sin x
(1)
On essaie yP (x) = K1 ex + K2 sin x + K3 cos x que lon introduit dans (1). On obtient
K1 ex + K2 cos x K3 sin x + K1 ex + K2 sin x + K3 cos x = ex + sin x
ce qui donne K1 =
1
2
et le syst`eme
K2 + K3 = 0
K2 K3 = 1
1 x
(e + sin x cos x) .
2
6.2. EQUATION DIFFERENTIELLE
DU PREMIER ORDRE
2.
139
y 0 + 2y = 2e2x
(2)
On essaie yP (x) = Ke2x . Introduit dans (2), ceci donne
2Ke2x + 2Ke2x = 2e2x
qui est impossible. Le choix est mauvais.
3. 2xy 0 + y = x2 x.
On essaie yP (x) = K1 x2 + K2 x. Ceci donne
2x (2K1 x + K2 ) + K1 x2 + K2 x = x2 x
et donc 5K1 = 1 et 3K2 = 1. Une solution particuli`ere est donc
1
1
yP (x) = x2 x.
5
3
Si la methode des essais ne marche pas, on applique la methode generale :
B : M
ethode de la variation des constantes
On cherche une solution particuli`ere en posant
yP (x) = c(x)w(x)
o`
u w(x) = eA(x) est la solution de lequation homog`ene et c(x) une fonction `a trouver.
En introduisant yP et yP0 dans lequation y 0 (x) + a(x)y(x) = b(x) on obtient
c0 (x)w(x) + c(x)w0 (x) + a(x)c(x)w(x) = b(x)
ce qui devient, en utilisant le fait que w0 (x) + a(x)w(x) = 0,
c0 (x)w(x) = b(x)
Finalement
c0 (x) =
b(x)
w(x)
c(x) =
b(x)
dx =
w(x)
Z
b(x)eA(x) dx.
CHAPITRE 6. EQUATIONS DIFFERENTIELLES
ORDINAIRES
140
Exemples 6.11.
1. Resoudre lequation
y0 +
x
x
y=
.
2
(1 + x2 )2
|1 +
{zx }
| {z }
=a(x)
a(x) =
x
1 + x2
A(x) =
=b(x)
1
ln(1 + x2 ).
2
2)
1
.
=
1 + x2
yP (x) = c(x)w(x) =
=
.
2
2
1
+
x2
1+x 1+x
La solution generale est alors
C
1
y(x) = Cw(x) + yP (x) =
2
1 + x2
1+x
C R.
2. Resoudre
y 0 + y = e|x +{zsin x} .
=b(x)
1
1
yP (x) = w(x)c(x) = ex + (sin x cos x)
2
2
Finalement, la solution generale est
1
1
y(x) = Cw(x) + yP (x) = Cex + ex + (sin x cos x).
2
2
3. Resoudre
xy 0 2y = x2 x .
Forme normale :
y0
2
y =x1
x
6.2. EQUATION DIFFERENTIELLE
DU PREMIER ORDRE
141
1
) = x + x2 ln |x|.
x
6.2.4
Equation du type y =
ax+by+c
dx+ey+f
CR
x = + nouvelle variable
y = u + nouvelle fonction = y 0 = u0
a + b + c = 0
o`
u et satisfont le syst`eme :
d + e + f = 0
Exemple 6.12.
y0 =
2x + y + 1
.
4x + y
2 + + 1 = 0
4 + = 0
On pose donc
1
= , = 2
2
x = + 12
y =u2
2 + u
= (, u)
4 + u
()
2 + v
2+v
=
4 + v
4+v
CHAPITRE 6. EQUATIONS DIFFERENTIELLES
ORDINAIRES
142
6.2.5
Equation de Bernoulli
y 0 = f (x)y + g(x)y n
n 6= 1
1
= y 1n .
y n1
y0
.
yn
1
u0 = f (x)u + g(x)
1n
6.3
Equation diff
erentielle du 2`
eme ordre
Forme generale :
(x, y, y 0 , y 00 ) = 0
Forme normale :
y 00 = (x, y, y 0 )
6.3.1
on pose
u = y0
ce qui donne u0 = (x, u). Cest une equation du premier ordre en u(x).
Ayant trouve u(x) on int`egre pour obtenir y(x).
6.3.2
on pose
z(y) = y 0
ce qui donne
y 00 =
d
d
dy
dz
d 0
y =
z(y) =
z(y)
=
z = z(y)z 0 (y).
dx
dx
dy
dx
dy
`
6.3. EQUATION DIFFERENTIELLE
DU 2EME
ORDRE
ATTENTION : ici z 0 (y) signifie
143
dz
dz
et pas
dy
dx
dy
= z(y).
dx
Exemple : resoudre
yy 00 = y 02 + y 0 y 2 .
Il ny a pas de x.
On pose y 0 = z(y)
y 00 = z z 0
= y z z 0 = z 2 + zy 2
1
z 0 (y) z(y) = y
y
1
et b(y) = y.
y
z=
dy
= Cy + y 2
dx
dy
= dx
Cy + y 2
1
C
1
1
y C +y
dy = dx.
Integration :
=
1 y
ln
=x+K
C
C +y
y
= eCx+CK = DeCx
y+C
6.3.3
CDeCx
CD
= Cx
1 DeCx
e
D
D, C R.
Equation lin
eaire
CHAPITRE 6. EQUATIONS DIFFERENTIELLES
ORDINAIRES
144
(6.1)
D
efinition 6.13. Deux fonctions y1 , y2 : I R dont dites lineairement independantes si
[y1 (x) + y2 (x) = 0 x I]
= = 0.
Th
eor`
eme 6.14. Lequation (6.1) poss`ede deux solutions lineairement independantes y1 (x),
y2 (x) et toute solution y(x) de (6.1) est de la forme
y(x) = C1 y1 (x) + C2 y2 (x)
avec C1 , C2 R
Il ny a pas de methode generale pour resoudre (6.1). Cependant, si on a trouve une solution
y1 (x), on peut chercher la seconde en posant
y2 = uy1
o`
u u satisfait une equation differentielle du 1er ordre.
Exemple 6.15.
x2 00
y xy 0 + y = 0.
x+2
x2
x3 00
2x2
(u00 x + 2u0 ) x(u0 x + u) + ux = 0 =
u +(
x2 )u0 = 0
x+2
x+2
x+2
x3
x3
v=u0
u00
u0 = 0 = u00 u0 = 0 = v 0 v = 0
x+2
x+2
v = ex = u = ex
et donc
y2 = ux = xex .
La solution generale est donc, par le theor`eme 6.14,
y(x) = C1 x + C2 xex .
`
6.3. EQUATION DIFFERENTIELLE
DU 2EME
ORDRE
145
Equations `
a coefficients constants
Forme normale :
y 00 + py 0 + qy = 0
p, q R
()
et
2 = 0 i.
(6.2)
est de la forme
y(x) = C1 y1 (x) + C2 y2 (x) + yP (x)
o`
u C1 y1 (x) + C2 y2 (x) est la solution generale de lequation homog`ene et yP (x) une solution
particuli`ere de lequation (6.2).
Il reste `a trouver une solution particuli`ere `a lequation (6.2).
CHAPITRE 6. EQUATIONS DIFFERENTIELLES
ORDINAIRES
146
A : M
ethode des essais
On essaie une fonction de la forme
yP (x) =
k fk (x)
o`
u les fk sont judicieusement choisies.
Exemple :
y 00 + y = x2 + sin
x
.
2
1 = 1
2 = 0
21 + (1 x2 + 2 x + 3 ) = x2
=
3 = 2
f1 (x) = x2 2
x
x
x
f2 (x) =
4
x
sin .
3
2
x
4
sin
3
2
B : M
ethode de Lagrange (ou variation des constantes)
Soit
w(x) = C1 y1 (x) + C2 y2 (x)
la solution generale de lequation homog`ene o`
u y1 et y2 sont lineairement independantes.
On cherche une solution de la forme
yP (x) = 1 (x)y1 (x) + 2 (x)y2 (x)
o`
u 1 (x) et 2 (x) sont des fonctions `a determiner.
On impose en plus
y1 01 + y2 02 = 0
(I)
ce qui donne
yP0 = 1 y10 + 2 y20 + 01 y1 + 02 y2 = 1 y10 + 2 y20
|
{z
}
=0
et
yP00 = 01 y10 + 02 y20 + 1 y100 + 2 y200
En substituant yP , yP0 et yP00 dans lequation (6.2), on obtient
( )
`
6.3. EQUATION DIFFERENTIELLE
DU 2EME
ORDRE
Or
147
(II)
y1 01 + y2 02 = 0
y10 01 + y20 02 = b(x)
qui secrit matriciellement
y1 y2
1
0
=
y10 y20
02
b(x)
|
{z
}
=M
01
02
= M 1
1
W
1
W
0
b(x)
y20 y2
y10 y1
b(x)y2
b(x)y1
0
b(x)
et
y2 (x) = cos x.
M=
y1 y2
y10 y20
sin x cos x
cos x sin x
1
1
by2
by2
sin x cos x
=
=
=
02
by1
by1
sin2 (x)
W
Integration :
=
1 (x) =
1
1
1
sin2 x et 2 (x) = x + sin(2x).
2
2
4
CHAPITRE 6. EQUATIONS DIFFERENTIELLES
ORDINAIRES
148
2. Resoudre
Forme normale : y 00
2x + 1 0 x + 1
y +
y = 2ex
x
x
b(x) = 2ex
et
Donc
u00 x u0 = 0
u = x2
y2 (x) = x2 ex .
y1 = ex
y2 = x2 ex
y1 y2
e
x 2 ex
M=
=
y10 y20
ex ex (x2 + 2x)
et donc W = det(M ) = e2x (x2 + 2x x2 ) = 2xe2x . Alors
0
1
1
1
by2
2ex x2 ex
=
=
02
by1
2ex ex
2xe2x
2xe2x
x
=
1
x
C1 , C2 R
`
6.3. EQUATION DIFFERENTIELLE
DU 2EME
ORDRE
6.3.4
149
Equation de Ricati
y 0 = g(x)y 2 + f (x)y + h(x)
Cest une equation du 1er ordre (non lineaire). Apr`es un changement de variable judicieux,
on se ram`ene `a une equation lineaire homog`ene du 2`eme ordre.
On pose y =
1
u0
. On obtient
g(x) u
g 0 (x) u0
1
y = 2
g (x) u
g(x)
0
u00 u u02
u2
g 0 (x) u0
1
u u u02
1
u02 f (x) u0
+ h(x)
g 2 (x) u
g(x)
u2
g(x) u2
g(x) u
0
g (x)
+ f (x) u0 + g(x)h(x) u = 0
u00
g(x)
g(x) u
6.3.5
Equation diff
erentielle dEuler
x2 y 00 + xy 0 + y = 0
CHAPITRE 6. EQUATIONS DIFFERENTIELLES
ORDINAIRES
150
Exemple 6.17.
1. x2 y 00 + xy 0 + y = 0
6.4
6.4.1
( = 1 = )
r2 + 1 = 0
2. x2 y 00 2xy 0 + 2y = 0
y2 = xa cos(b ln x)
r = i
y1 (x) = sin(ln x)
et y2 = cos(ln x)
C1 , C2 R.
( = 2, = 2)
r2 3r + 2 = 0
y(x) = C1 x + C2 x2
r1 = 1, r2 = 2
= y1 (x) = x
C1 , C2 R.
Applications
Position d
equilibre dun c
able
y2 (x) = x2
6.4. APPLICATIONS
151
xp
1 + y 02 dx
()
y 0 (0) = 0
y(0) = h = OM
p
1 + y 02
u=y 0
u0 = K
p
1 + u2
du
= Kdx
1 + u2
u = sinh(Kx + C) = y 0
arcsinh u = Kx + C
Do`
u finalement y = K1 cosh(Kx) + D.
En utilisant la condition initiale y(0) = h, on obtient
y(x) =
6.4.2
1
1
cosh(Kx) + h .
K
K
Ph
enom`
enes oscillatoires
Forces en presence :
Force du ressort proportionnelle `a lelongation : F1 = Ky(t)
Force de frottement proportionnelle `a la vitesse : F2 = y 0 (t).
Force exterieure : F3 = F (t).
Equation de Newton : F1 + F2 + F3 = ma.
Ceci donne
my 00 = Ky y 0 + F (t)
y 00 + ay 0 + ky = F (t)
avec k =
F (t)
> 0, a =
> 0 et F (t) =
.
m
m
m
=
()
CHAPITRE 6. EQUATIONS DIFFERENTIELLES
ORDINAIRES
152
Equation homog`
ene (=sans force ext
erieure)
y 00 + ay 0 + ky = 0 : Equation de second ordre lineaire `a termes constants :
Polynome caracteristique : P () = 2 + a + k = 0
1er cas :
= a2 4k > 0
a a2 4k
1,2 =
<0
2
Alors
yh (t) = C1 e1 t + C2 e2 t
Pas doscillation, amortissement exponentiel.
2`eme cas :
= a2 4k = 0
a
2
Alors
yh (t) = (C1 + C2 t) e 2
3`eme cas :
= a2 4k < 0
avec 0 =
4ka2
2
= pulsation propre
a
Facteur damortissement = =
.
2
2m
6.4. APPLICATIONS
153
Alors
4k
K
0 =
= k=
2
m
Equation inhomog`
ene : solution particuli`
ere
Il reste `a chercher une solution particuli`ere `a lequation ()
y 00 + ay 0 + ky = F (t).
On le fera uniquement dans le 3`eme cas (oscillations) :
Methode de Lagrange : On cherche une solution particuli`ere de la forme
a
On obtient M = e 2
cos(0 t)
sin(0 t)
t
et le wronskien est alors
0 sin(0 t) 0 cos(0 t)
W = det(M ) = eat 0 .
Ceci donne
01 (t)
02 (t)
a
1
b(t)y2
F (t) sin(0 t)e 2 t
at
a
=
e
b(t)y1
F (t) cos(0 t)e 2 t
0
a
1
sin(0 t)
t
2
e F (t)
=
cos(0 t)
0
1
=
W
do`
u lon tire
a
t
= e
F (x)e 2 sin(0 x) dx + e 2
F (x)e 2 x cos(0 x) dx
0
0
0
0
a2 t Z t
a
e
F (x)e 2 x sin(0 t) cos(0 x) cos(0 t) sin(0 x) dx
=
0 0
a2 t Z t
a
e
=
()
F (x)e 2 x sin 0 (t x) dx
0 0
CHAPITRE 6. EQUATIONS DIFFERENTIELLES
ORDINAIRES
154
yP (t) = p
(k
2 )2
a2 2
sin(t + + )
avec = arctan
a
k 2
A
sin(t
+
)
+
C
cos(
k
t)
+
C
sin(
k t)
1
2
|k 2 |
A
yP (t) = t cos( k t + ).
2 k
6.4. APPLICATIONS
6.4.3
155
Circuit RLC s
erie
1
q(t) = U (t) .
C
C : capacite du condensateur
L : inductance
R : resistance
Forme normale :
q(t) +
1
U (t)
R
q(t)
+
q(t) =
L
LC
L
()
R
1
q(t)
+
q(t) = 0
L
LC
Cest la meme equation que celle pour le ressort avec des constantes
3 cas sont donc les memes :
Polynome caracteristique :
2 +
do`
u=
R
L
et
1
LC
positives. Les
1
R
+
=0
L
LC
R2
4
R2 C 4L
=
.
L2
LC
L2 C
1er cas : Si R2 C > 4L alors > 0 et il y a deux solutions reelles negatives 1 et 2 . Donc
qh (t) = K1 e1 t + K2 e2 t
CHAPITRE 6. EQUATIONS DIFFERENTIELLES
ORDINAIRES
156
= 0 donne le syst`eme
K1 + K2 + CU0 = 0
1 K1 + 2 K2 = 0
qui se resoud en
K1 = CU0
2
1 2
1
K2 = CU0
.
1 2
q(t) = CU0
2
1
1 t
2 t
e
e +1
1 2
1 2
et
i(t) = q(t)
= CU0
1 2 1 t
e e 2 t
1 2
4L R2 C
. Alors
L2 C
R
1
avec a =
0 et 0 =
2L
2
K1 = CU0
q(0)
=0
0 K2 aK1 = 0 do`
u K2 =
CU0 a
. Donc
0
a
at
sin(0 t) + cos(0 t) + 1
q(t) = CU0 e
0
et
i(t) = q(t)
= CU0 e
at
a2
+ 0
0
sin(0 t)
6.4. APPLICATIONS
157
2
L2 C
LC
et la frequence doscillation est alors
f=
1
0
=
2
2 LC
Application numerique :
Pour avoir une frequence doscillations de 10kHz, on peut choisir C = 100nF et L =
2.553mH.
q
Pour avoir R2 C << 4L il faut alors R << 4L
C donc R << 3200 .
Remarque : dans une fonction sin(t) = sin(2f t), est la pulsation et f la frequence
avec la relation
= 2f.
Chapitre 7
Calcul diff
erentiel `
a plusieurs
variables
7.1
7.1.1
Lespace Rn
Structures sur Rn
x=
x1
x2
..
.
xn
Les xi sont les composantes de x.
Notation :
Dans R2 on notera (x, y) plutot que (x1 , x2 )
Dans R3 on notera (x, y, z) au lieu de (x1 , x2 , x3 ).
Lespace Rn a les proprietes suivantes :
Lespace Rn est muni dune addition :
(x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn ) = (x1 + y1 , x2 + y2 , . . . , xn + yn )
et dune multiplication par un scalaire :
(x1 , . . . , xn ) = (x1 , . . . , xn ).
Ces 2 operations font de Rn un espace vectoriel.
Lelement neutre pour laddition est lorigine : O(0, 0, . . . , 0).
159
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
160
n
X
defini par
xi yi = xT y =
x1
i=1
y1
xn ...
yn
x=y
(symetrie)
(inegalite du triangle)
pour tout x, y, z Rn .
Les vecteurs
e1 =
1
0
..
.
0
e2 =
0
1
0
..
.
...,
0
..
en = .
0
1
Rn .
7.1.2
Suites et limites
lim uk = a
lim kuk ak = 0
7.1. LESPACE RN
161
|u1,k a1 | 0
k
|u a |
0
2
2,k
lim uk = a
..
k
k
|un,k an | 0
Exemples 7.4.
2 + k k
k
, e , 1, 2 + k R4 converge vers le point (1, 0, 1, 3).
k
1 k 10
2. La suite uk =
, k , sin k R3 ne converge pas car la 3`eme composante ne converge
k 2
pas.
1. La suite uk =
7.1.3
Fonction et continuit
e
t
2. f : R R3 : f (t) = cos t
t sin t
x + yz
3. f : R3 R3 : f (x, y, z) = x2 + y 2 + ez
sin(yz)
D
efinition 7.6 (Limite et continuite). On dit que f : D Rm converge vers c Rm au
point a D si pour toute suite de points uk D convergeant vers a, on a lim f (uk ) = c.
k
On note alors
lim f (x) = c.
xa
xa
On dit que f est continue sur D si elle est continue en tout point de D.
162
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
Formulation equivalente :
Th
eor`
eme 7.7. Soit D Rn . Une fonction f : D Rm est continue au point a D si
et seulement si, pour tout > 0 il existe > 0 tel que
xD
et
kx ak <
Th
eor`
eme 7.8. La somme, le produit, la composition et la division de fonctions continues
sont encore des fonctions continues, pour autant que lon ne divise pas par 0.
Exemples 7.9. Quelques exemples :
1. Les fonctions f (x, y) = x et g(x, y) = y sont continues sur tout R2 .
2. La fonction f : R2 R definie par f (x, y) = x2 + y 2 + 4 est continue sur tout R2 .
3. La fonction f : R2 R definie par
f (x, y) =
xy
x2 +y 2
si (x, y) 6= (0, 0)
si (x, y) = (0, 0)
1 2
k k
k ( 1 )2 + ( 2 )2
k
k
x2 y 2
x2 +y 2
= lim
k 12
k
2
k2
4
k2
2
6= f (0, 0).
5
si (x, y) 6= (0, 0)
si (x, y) = (0, 0)
est continue en (0, 0) (et partout ailleurs). En effet, pour x, y > 0, linegalite entre
moyenne geometrique et arithmetique donne
x+y
xy
2
4xy (x + y)2
4xy x2 + 2xy + y 2
Donc 2xy x2 + y 2 .
Alors, pour (x, y) 6= (0, 0), on a
0<
x2 y 2
|x| |y|
x2 + y 2
1
=
|x|
|y|
|x|
|y|
|x| |y|
x2 + y 2
x2 + y 2
2(x2 + y 2 )
2
163
7.2
7.2.1
Courbes dans Rn
D
efinition
D
efinition : Une courbe (dans Rn ) est une fonction continue : I Rn o`
u I est un
intervalle de R. On associe donc pour chaque t I un vecteur
(t) =
x1 (t)
x2 (t)
..
.
xn (t)
o`
u les xi : I R sont des fonctions reelles.
Proposition 7.10. est continue si et seulement si les xi sont continues pour tout i.
Remarques :
Cest une courbe parametrisee. La variable t sappelle le param`
etre de .
Si lon peut ecrire xn = f (x1 , x2 , . . . , xn1 ) pour tous les points de , alors est le
graphe dune fonction `a n 1 variables.
Exemple :
t
x(t)
(t) =
=
.
et
y(t)
Alors y = ex .
Si lon peut ecrire F (x1 , x2 , . . . , xn ) = 0 en eliminant le param`etre t, on a obtenu
l
equation cart
esienne implicite de . (ce nest pas toujours possible). On perd cependant la notion du temps.
Exemple :
R cos t
(t) =
R sin t
Alors x2 + y 2 = R2 .
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
164
7.2.2
D
erivabilit
e
D
efinition 7.11 (Vecteur tangent). Si les fonctions xi (t) sont derivables pour tout i, on
definit le vecteur tangent par
x1 (t)
x 2 (t)
(t)
= .
..
x n (t)
o`
u xi (t) =
dxi
(t).
dt
Interpretation physique : si t represente le temps et (t) la position dun mobile, alors (t)
= x1 2 (t) + + x 2n (t)
est la vitesse du mobile.
En derivant encore (t),
x1 (t)
x2 (t)
(t) = .
..
xn (t)
Quelques exemples
1) Mouvement rectiligne uniforme (MRU). Soit a, v Rn deux vecteurs fixes. Alors la
courbe
(t) = a + v t
()
est une droite passant par le point a et de vecteur directeur v.
= v est constante.
v1
.
v2
Si n = 3, lelimination de t donne 2 equations cartesiennes, chacune etant lequation
dun plan et lintersection des 2 plans donne la droite.
Si n = 2, equation cartesienne : v2 x v1 y = v2 a1 v1 a2 avec v =
165
R cos t
x(t)
=
(t) =
R sin t
y(t)
Equation cartesienne
: x2 +
y 2 = R2 cos2 t + R2 sin2 t = R2 .
R sin t
Vitesse : (t)
=
et donc
R cos t
k(t)k
p
R2 sin2 t + R2 cos2 t = R.
R cos t
Acceleration : (t) =
= (t). Lacceleration est dirigee vers le centre.
R sin t
3) Helice : soit
R cos t
(t) = R sin t
ct
avec R, c > 0.
Cest la superposition dun mouvement circulaire uniforme (MCU) dans le plan Oxy et
dun mouvement rectiligne uniforme (MRU) le long de laxe Oz.
x0 + v1 t
y0 + v 2 t
4) Chute libre : (t) =
1 2
z0 + v3 t 2 gt
v1
v2
(t)
=
v3 gt
0
(t) = 0
g
Changement de param
etrisation
Soit I = [a, b] et : I Rn une courbe. Soit J = [c, d] et
: J I
s 7 t
166
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
x1 ((s))
x1 ((s)) 0 (s)
d
d
..
..
((s)) =
0 (s).
=
= ((s))
.
.
ds
ds
xn ((s))
x n ((s)) 0 (s)
Exemple : Reprenons la courbe
R cos t
R sin t
(t) =
0 t 2
(s) = (s) =
d
Alors v(s) = (s) =
ds
2sR sin s2
2sR cos s2
v(s) = k
v (s)k =
R cos s2
R sin s2
0s
et donc
7.2.3
x1 (t + t) x1 (t)
..
u = P Q = (t + t) (t) =
.
xn (t + t) xn (t)
167
x1 (t + t) x1 (t) 2
xn (t + t) xn (t) 2
=
+ +
t
t
t
L = kuk =
t0
p
x 1 (t)2 + + x n (t)2 dt
= k(t)k
dt.
La longueur de la courbe entre t = a et t = b vaut donc
Z
L=
k(t)k
dt
a
Th
eor`
eme 7.12. La longueur dune courbe est independante de la parametrisation
m : On a t = (s) avec (c) = a et (d) = b. On doit montrer que
De
Z
(t)
dt =
Z
c
d
[ (s)] ds.
ds
On suppose que c < d ce qui implique, comme est une bijection, que 0 (s) > 0 pour tout
s J. Alors
Z
c
Z d
[ (s)] ds =
(s) 0 (s) ds
ds
c
Z d
=
k((s))k
|0 (s)| ds
c
Z d
=
k((s))k
0 (s) ds
c
Z dp
x 1 ((s))2 + x 2 ((s))2 + + x n ((s))2 0 (s) ds
=
Z
=
k(t)k
dt = L
a
168
7.2.4
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
7.3
h 1 (t1 ) , 2 (t2 ) i
k 1 (t1 )k k 2 (t2 )k
Fonctions r
eelles `
a plusieurs variables
avec D Rn .
7.3.1
Graphe
Si n = 2, on peut definir et dessiner le graphe Gf dune fonction f (x, y). Cest le sousensemble de R3
Gf = {(x, y, z) | z = f (x, y)}.
Remarque : le graphe dune fonction `a 2 variables est de dimension 3. De ce fait, si n 3,
le graphe dune fonction f : Rn R peut toujours etre defini mais il est de dimension
n + 1 et ne peut donc pas etre represente ni meme imagine.
7.3.2
` PLUSIEURS VARIABLES
7.3. FONCTIONS REELLES
A
169
Exemples 7.13.
1. Soit f (x1 , x2 , x2 , x4 ) = x21 + x22 + x23 + x24 Alors pour c > 0, lensemble de niveau
N (c) = (x1 , x2 , x3 , x4 ) R4 | x21 + x22 + x23 + x24 = c = x R4 | kxk = c
+
=1
c
c
170
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
1
sont des plans parall`eles dequation x 3y + 4z = c. Leur vecteur normal est 3 .
4
7.4
D
eriv
ees partielles
f
f
(a) = Di f (a) = fxi (a) =
xi
xi x=a
Une fonction f : D R est dite partiellement diff
erentiable sur D si les derivees
partielles fxi (x) existent pour tout x D et pour tout i = 1, 2, . . . , n.
Ceci definit alors une fonction fxi : D R pour tout i.
Calcul effectif : la derivee partielle par rapport `a xi se calcule donc en derivant par rapport
a` xi en considerant les autres variables comme des constantes.
7.4. DERIV
EES
PARTIELLES
171
Exemples 7.14.
2
1. Soit f (x1 , x2 , x3 , x4 ) = 2x1 x22 + x1 sin x4 + ex2 . Alors
2
fx3 = 0
fx4 = x1 cos x4
2.
f (x, y)
fx
fy
xy 2
y2
2xy
sin(x + 2y)
cos(x + 2y)
2 cos(x + 2y)
y
xy2 e x
2yx2y1
y
1 x
xe
y
x
x2y
3. Soit
(
f (x, y) =
2 ln x x2y
xy
x2 +y 2
si (x, y) 6= 0
en (0, 0)
fy (0, 0) = lim
Ainsi la fonction f (x, y) est derivable en (0, 0) bien quelle ne soit pas continue.
Donc en dimension n 2, derivable
6= continue
y(x2 + y 2 ) (xy)(2x)
y 3 x2 y
=
(x2 + y 2 )4
(x2 + y 2 )2
1 y0
y3
= +
4
y
y
fx (x, 0) = 0 0
La fonction fx (x, y) nest donc pas continue en (0, 0).
On peut montrer que si les fxi (x) sont continues en a pour tout i, alors f (x) est continue
en a.
172
7.4.1
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
Gradient
2x 4y
x2 + 3xz + x cos(xy)
3xy
D
efinition 7.16 (Fonction de classe C 1 ). Une fonction f : D R definie sur un ouvert
D Rn est dite contin
ument diff
erentiable si toutes ses derivees partielles existent et
sont continues sur D. On dit dans ce cas que f est de classe C 1 et on note f C 1 (D, R).
Th
eor`
eme 7.17 (Theor`eme dapproximation du premier ordre). Soit D un ouvert de Rn
et f C 1 (D, R). Alors pour tout point a D, il existe une fonction reelle R1 definie sur
un voisinage V de a telle que
f (x) = f (a) + f (a) (x a)
|
{z
}
R1 (x)
x V
avec
R1 (x)
= 0.
xa kx ak
lim
x1
a1
x = ... ,
a = ...
xn
an
7.4. DERIV
EES
PARTIELLES
173
r(u)
= 0. Autrement dit avec r(u) = o(kuk).
u0 kuk
avec lim
Remarque 2 :
Si n = 1, on retrouve lapproximation de Taylor du premier ordre autour de a = x0 :
f (x) = f (x0 ) + f 0 (x0 )(x x0 ) + R(x)
avec R(x) = o(x x0 ) et lequation y = f (x0 ) + f 0 (x0 )(x x0 ) est celle de la tangente au
graphe de f en x0 .
Si n = 2, on trouve, autour du point a = (x0 , y0 ) :
f (x, y) = f (x0 , y0 ) +
fx (x0 , y0 ) fy (x0 , y0 )
x x0
y y0
+ R(x, y)
7.4.2
R`
egles de d
erivation
x1 (t)
x2 (t)
t 7 .
..
xn (t)
une courbe (differentiable) dans Rn .
Soit D Rn et f : D R une fonction `a n variables. Si lon suppose que Im() D, on
peut definir la fonction composee
(t) = f ((t)) = f (x1 (t), x2 (t), . . . , xn (t))
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
174
d
qui est une fonction `a une variable. Que vaut alors (t) ?
dt
Reponse :
d
f
dx1
f
dx2
(t) =
(x1 (t), . . . , xn (t))
+
(x1 (t), . . . , xn (t))
+ ...
dt
x1
dt
x2
dt
f
dxn
+
(x1 (t), . . . , xn (t))
xn
dt
n
X
=
fxi ((t)) x i (t)
i=1
= f ((t)) (t)
= hf ((t)) , (t)i.
Ainsi
d
(f ) (t) = f ((t)) (t)
dt
(7.1)
(t) =
x(t)
y(t)
cos t
sin t
Alors
(t) = (f ) (t) = f (cos t, sin t) = cos2 t + sin2 t = 1
et donc 0 (t) = 0.
Avec la formule :
fx = 2x
fy = 2y
x(t)
= sin t
y(t)
= cos t
Ceci donne
2 sin t)
et
(t)
sin t
cos t
Alors
0 (t) = f (t)
xa
R(x)
= 0.
kx ak
7.4. DERIV
EES
PARTIELLES
175
f (h) f (0)
(h) (0)
f (x) f (a)
=
=
h
h
h
hf (a) , x ai R(x)
=
+
h
h
D
(h) (0) E
R(x)
kx ak
= f (a) ,
+
h
kx ak | {z
h }
=
h0
k(h)(0)k
h
hf (a) , (0)i
+ 0 k(0)k
= hf (a) , (0)i
7.4.3
D
eriv
ee directionnelle
D
efinition 7.18. Soit f C 1 (D, R) avec D un ouvert de Rn , a un point de D et v Rn
un vecteur non nul. La quantite
f (a + tv) f (a)
t0
t
sappelle la derivee directionnelle de f en a le long de v.
Dv f (a) = lim
Th
eor`
eme 7.19. On a
Dv f (a) = f (a) v = hf (a) , vi.
monstration : Approximation du 1er ordre :
De
f (a + tv) = f (a) + f (a) (tv) + R(a + tv)
et donc
f (a + tv) f (a)
t0
t
f (a) (tv) + R(a + tv)
= lim
t0
t
R(a + tv)
f (a) (tv)
+ lim
= lim
t0
t0
t
t
= lim f (a) v + 0
Dv f (a) = lim
t0
= f (a) v.
Remarque 1 : si v = ei alors
0
..
.
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
176
Ainsi
Dv f (a) est maximal
cos = 1
=0
En conclusion,
le gradient donne la direction dans laquelle la d
eriv
ee de f est la plus grande.
De plus la pente de f dans cette direction vaut kf (a)k.
7.4.4
Exemple : soit
f (x, y) = 2 + x2 y y 3 .
Alors
f =
2xy x2 3y 2
x x0
f (x, y) = f (x0 , y0 ) + f (x0 , y0 )
y y0
x1
4 + 4 11
y2
11 )
+ R(x)
x x0
y y0
7.4. DERIV
EES
PARTIELLES
177
fx (x0 , y0 )
n = fy (x0 , y0 )
1
x1
o`
u x = ... .
xn
7.4.5
= D f ((t))
dt
()
d
f ((t)) comme la pente de la fonction f en suivant
dt
t cos t
t sin t
2x 2y
alors (t)
cos t t sin t
sin t + t cos t
et
d
f ((t)) = D f ((t)) = hf ((t)) , (t)i
dt
cos t t sin t
= (2t cos t 2t sin t)
sin t + t cos t
= 2t cos2 t 2t2 cos t sin t + 2t sin2 t + 2t2 sin t cos t = 2t
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
178
Courbes de niveau
Si (t) est une courbe contenue dans lensemble de niveau Nf (c) alors f ((t)) = c par
definition de Nf (c) et on doit avoir
d
f ((t)) = 0.
dt
Ceci donne par () ci-dessus :
hf ((t)) , (t)i
= 0.
Le gradient est donc orthogonal `a (t).
Comme ceci est vrai pour toute courbe (t) contenue dans Nf (c), on en deduit que
le gradient est toujours orthogonal aux ensembles de niveau.
En particulier,
le gradient dune fonction `
a 2 variables est toujours orthogonal aux courbes de
niveau.
On verifie que le vecteur f = (2x 4y) est bien perpendiculaire aux ellipses ci-dessus.
Illustration : le point P (1, 2) est sur lellipse () : x2 + 2y 2 = 9.
x
En derivant, on obtient 2x + 4y y 0 = 0 ce qui donne y 0 = . Au point P (1, 2), on a donc
2y
1
y 0 P = . Un vecteur tangent est donc
4
v=
Le gradient de f en P vaut ( 2
4
1
7.4. DERIV
EES
PARTIELLES
7.4.6
179
D
eriv
ees partielles dordres sup
erieurs
2f
f
=
xj xj
xi xj
2f
2f
.
au
lieu
de
xi xi
x2i
Exemple :
f (x, y) = x2 y + yex .
Alors
fx = 2xy + yex
et
fy = x2 + ex .
Ceci donne
(2xy + yex ) = 2x + ex .
=
y
fxx =
fyy
fxy
fyx
et
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
180
Alors
et
Posons encore
F (h, k) = f (x0 + h, y0 + k) f (x0 + h, y0 ) f (x0 , y0 + k) + f (x0 , y0 ).
Alors
F (h, k) = g1 (x0 + h) g1 (x0 )
(7.2)
(7.3)
et
Le theor`eme de la moyenne applique `a (7.2) puis `a fx donne
F (h, k) = g1 (x0 + h) g1 (x0 )
= g10 (x0 + 1 h) h
1 ]0; 1[
2 ]0; 1[.
3 ]0; 1[
4 ]0; 1[.
D
efinition 7.22. On dit que f (x1 , x2 , . . . , xn ) est de classe C 2 sur D Rn si toutes ces
derivees dordre 2 sont continues en tout point de D. On note alors
f C 2 (D, R)
On generalise sans peine les definitions precedentes pour definir les derivees partielles dordre
k 2.
Exemple : si f (x, y) est une fonction `a 2 variables, il y a, `a priori, 8 derivees partielles
dordre 3 qui sont
fxxx
fyxx
fxyx
fyyx
fxxy
fyxy
fxyy
fyyy
et
7.4. DERIV
EES
PARTIELLES
181
D
efinition 7.23 (Fonction de classe C k ). On dit quune fonction f (x) est de classe C k sur
D Rn si toutes ses derivees partielles dordre k (existent et) sont continues. On note alors
f C k (D, R)
Th
eor`
eme 7.24. Si f C k (D, R), alors ses derivees partielles dordre k ne dependent pas
de lordre de derivation mais uniquement du nombre de fois quune variable intervient.
D
efinition 7.25 (Matrice hessienne). Soit f (x) une fonction `a n variables dont les derivees
partielles du 2`eme ordre existent. La matrice
2f
(x)
x21
2f
x1 x2 (x)
2f
x2 x1 (x)
2f
xn x1 (x)
..
.
...
2f
x1 xn (x)
2f
(x)
x22
..
.
...
..
.
2f
x2 xn (x)
2f
xn x2 (x)
...
2f
(x)
x2n
..
.
Hf =
fxx fxy
fyx fyy
fxy = 4x + ey = fyx
et donc
Hf (x, y) =
4y
4x + ey
4x + ey
xey
fyy = xey
0 9
9 2
Th
eor`
eme 7.26 (Approximation de Taylor dordre 2). Soit D Rn et f C 2 (D, R). Soit
a = (a1 , . . . , an ) D. Alors
1
f (x) = f (a) + f (a) (x a) + (x a)T Hf (a) (x a) + R2 (x)
2
R2 (x)
= 0.
xa kx ak2
x D
182
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
x x0
f (x, y) = f (x0 , y0 ) + fx (x0 , y0 ) fy (x0 , y0 )
y y0
+ R2 (x, y)
fyx (x0 , y0 ) fyy (x0 , y0 )
y y0
2
1h
fxx (x0 , y0 ) (x x0 )2
2 i
+ 2fxy (x0 , y0 ) (x x0 ) (y y0 ) + fyy (x0 , y0 ) (y y0 )2 + R2 (x, y).
= f ( x0 , y0 ) + fx (x0 , y0 ) (x x0 ) + fy (x0 , y0 ) (y y0 ) +
1
f (x0 + x, y0 + y) = f P + fx P x + fy P y +
fxx P x2
2
+ r(x, y)
+ 2fxy P xy + fyy P y 2
x
2
2
2
avec r(x, y) = o(x + y ) = o(kuk ) o`
u u =
.
y
Exemple 7.27. Reprenons lexemple precedent : f (x, y) = 2x2 y + xey + 10 autour du point
P (3, 0). On a dej`a calculer que
4y
4x + ey
Hf (x, y) =
4x + ey
xey
et donc
Hf (3, 0) =
0 13
13 3
De plus f (x, y) = (4xy + ey 2x2 + xey ) ce qui donne f (3, 0) = (1 21). On obtient donc
1
x3
0 13
x3
f (x, y) f (3, 0) + (1 21)
+ (x 3 y)
y
13 3
y
2
1
= 3 + (x 3) + 21y + [26(x 3)y + 3y 2 ]
2
3 2
= x 18y + 13xy + y
2
7.5
7.5.1
Etude de fonction
Extremum
D
efinition 7.28. Soit a Rn et r > 0. La boule B(a, r) est le sous-ensemble des points de
Rn qui sont `a une distance strictement inferieure `a r du point a :
B(a, r) = {x Rn | kx ak < r}
D
efinition 7.29. Un sous-ensemble D Rn est dit borne sil existe une boule B(a, r) telle
que D B(a, r).
Un sous-ensemble D ferme et borne est dit compact.
183
Th
eor`
eme 7.30 (Theor`eme du maximum). Soit D Rn un compact. Soit f : D R
une fonction continue sur D. Alors f atteint son maximum sur D, cest-`
a-dire il existe
xM D avec
f (x) f (xM )
x D.
D
efinition 7.31. Soit f C 0 (D, R) avec D Rn un ouvert.
On dit que f (x) admet un maximum local en a D sil existe une boule B(a, r) telle
que f (x) f (a) pour tout x B(a, r). Ce maximum est strict si linegalite est stricte.
f admet un minimum local en a D sil existe une boule B(a, r) telle que f (x) f (a)
pour tout x B(a, r). De meme ce minimum est strict si linegalite est stricte.
Un point a D est un maximum (resp. minimum) absolu si f (x) f (a) (resp. f (x)
f (a)) pour tout x D.
On appelle extremum (local ou absolu) un point qui est un minimum ou un maximum
(local ou absolu).
Th
eor`
eme 7.32 (Condition necessaire). Soit D un ouvert et f : D R une fonction
continue. Si a D est un extremum local et si f est derivable en a, alors
f (a) = 0
autrement dit
f
(a) = 0
xi
i = 1, . . . , n.
0 si h > 0
0 si h < 0
Donc
f
(a) = 0.
xi
D
efinition 7.33 (Point stationnaire). Un point a D tel que f (a) = 0 est appele un
point stationnaire
Pour les extremums absolus sur un ferme D, il faut tenir compte des fronti`eres. Plus
precisement :
184
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
Th
eor`
eme 7.34. Soit D un sous-ensemble ferme et borne de Rn . Alors toute fonction
continue f : D R atteint son maximum et son minimum sur D.
De plus si a D est un extremum (absolu), alors
1) soit a est un point stationnaire ;
2) soit f (a) nexiste pas ;
3) soit a appartient `
a la fronti`ere de D : a D ;
monstration : Cest un corollaire du theor`eme precedent.
De
Application : Pour trouver les extremums de f sur D, il faut donc, en plus des points
stationnaires, restreindre la fonction f `
a la fronti`ere de D et calculer les extremums de la
fonction ainsi obtenue.
Exemple 7.35. Cherchons le minimum et le maximum de
f (x, y) = 3xy x3 y 3 + 2
sur le domaine D limite par les droites x = 2, y = 2 et y = 2x + 2.
(I) fx = 3y 3x2 fy = 3x 3y 2 .
Les points stationnaires sont les solutions du syst`eme
3y 3x2 = 0
3x 3y 2 = 0
qui sont S1 (0, 0) et S2 (1, 1). Seul S2 est dans D.
(II) Bords de D :
Droite x = 2 : Alors
h(y) = f (2, y) = 6y 8 y 3 + 2
2
et donc h0 (y) = 6 3y
de h0 (y) sont en y = 2. Ceci donne 2 points
. Les zeros
supplementaires : P1 (2, 2) et P2 (2, 2).
Droite y = 2 : Alors
g(x) = f (x, 2) = 6x 8 x3 + 2
0
2
qui donne
g (x) = 6 3x dont les zeros sont en x = 2. Ceci donne un autre point dans
D : P3 ( 2, 2)
Droite y = 2x + 2. La fonction f restreinte `a cette droite donne
u(x) = f (x, 2x + 2) = 3x(2x + 2) x3 (2x + 2)3 + 2 = = 7x3 30x2 + 30x + 2
185
30 270
=
21
x1 = 2.21...
x2 = 0.646.
S2 : f (1, 1)= 3
P1 : f (2,
2) = 0.343
P2 : f (2, 2) = 11.65
P3 : f ( 2, 2) = 0.343
P4 : f (0.646, 0.707) = 2.748
Q1 : f (2, 2) = 2
Q2 : f (0, 2) = 6
Q3 : f (2, 2) = 6.
7.5.2
On a vu que si a D est un extremum local, que D est ouvert et que f est de classe C 1
alors f (a) = 0.
Mais la reciproque nest pas vraie. On peut avoir f (a) = 0 et que a soit un point selle.
Exemple 7.36. f (x, y) = xy + 4.
Alors
fx = y
fy = x
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
186
D
efinition 7.37 (Point selle). Soit D un ouvert de Rn , f C 1 (D, R) et a D un point
stationnaire (i.e. f (a) = 0). On dit que a est un point selle de f sil existe deux vecteurs
u, v Rn tels que
la fonction t 7 f (a + tu) admette un maximum local strict en t = 0 et
la fonction t 7 f (a + tv) admette un minimum local strict en t = 0.
Rappel : soit f (x) C 2 (I, R) une fonction `a 1 variable et a un point stationnaire (i.e.
f 0 (a) = 0). Alors
si f 00 (a) > 0, le point a est un minimum strict ;
si f 00 (a) < 0, le point a est un maximum strict ;
si f 00 (a) = 0 on ne peut rien dire, il faut regarder f (3) (a) puis f (4) (a) etc . . .
Nous allons etablir un resultat analogue pour les fonctions `a n variables faisant intervenir
la matrice hessienne Hf (a).
qA (x) = xT Ax =
x1
a11 a1n
..
..
xn ...
.
.
an1 ann
x1
n
.. = X a x x
ij i j
.
i,j=1
xn
A=
1 2
2 7
1 2
x
q(x, y) = x y
12 2 3
A = 2 4 0
3 0 11
187
4) La matrice diagonale
D=
1 0 0
0 2 0
..
.. . .
.
. ..
.
.
0 0 n
Application : A =
1 0
0 2
1 0 0
0 2 0
avec D = .
.. . .
.. .
.
.
. .
.
0 0 n
Les i sont les valeurs propres de A. De plus, P est une matrice orthogonale : P 1 = P T .
Proposition 7.40. Soit A, P et D comme ci-dessus. Alors A est definie positive (resp.
definie negative, indefinie) si et seulement si D est definie positive (resp. definie negative,
indefinie). En dautres termes, la diagonalisation ne change pas la signature de la matrice.
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
188
x = P 1 y.
Alors
qA (x) = xT Ax = xT P 1 DP x = xT P T DP x = (P x)T D(P x) = yT Dy = qD (y)
Ainsi
qA (x) > 0 x Rn
qA (y) > 0 y Rn .
Ceci montre que qA est definie positive si et seulement si qD lest. La demonstration est la
meme dans le cas dune matrice definie negative ou indefinie.
Remarque 7.41. Lexemple 4) ci-dessous montre de plus quune matrice diagonale D est
definie positive si et seulement si i > 0 pour tout i = 1, 2, . . . , n.
De meme D est definie negative si et seulement si i < 0 pour tout i.
Et finalement D est indefinie si et seulement sil existe un i < 0 et un j > 0 (car alors
q(ei ) = i < 0 et q(ej ) = j > 0).
A=
1 2
2 7
Alors
1 2 = det(A) = 7 4 = 3 > 0
1 + 2 = Tr(A) = 8 > 0 .
Donc les 2 valeurs propres sont positives et la matrice A est definie positive.
Plus generalement,
Th
eor`
eme 7.43. Soit A M2 (R) une matrice 2 2 symetrique.
(1) Si det(A) > 0 et Tr(A) > 0 alors 1 > 0 et 2 > 0 et la matrice A est definie positive ;
(2) si det(A) > 0 et Tr(A) < 0 alors 1 < 0 et 2 < 0 et la matrice A est definie negative ;
(3) si det(A) < 0 alors 1 < 0 et 2 > 0 et la matrice A est indefinie.
189
1 T
u Hf (a) u + r2 (u)
2
1 T
u Hf (a) u
2
1
q(u)
2
o`
u q(u) est la forme quadratique associee `a Hf (a) :
q(u) = uT Hf (a) u .
Ainsi, si q(u) est definie positive, alors q(u) > 0 pour tout u et donc
f (a + u) = f (a) +
1
q(u) > f (a) .
2
1
q(u) < f (a) .
2
pour tout t 6= 0 et
pour tout t 6= 0
190
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
Th
eor`
eme 7.45. Soit a un point stationnaire dune fonction f (x, y) de classe C 2 et Hf (a)
sa matrice hessienne (matrice 2 2).
1. Si det(Hf (a)) > 0 et Tr(Hf (a)) > 0, alors a est un minimum strict ;
2. si det(Hf (a)) > 0 et Tr(Hf (a)) < 0, alors a est un maximum strict ;
3. si det(Hf (a)) < 0, alors a est un point selle.
Si det(Hf (a)) = 0, on ne peut rien dire.
Exemples 7.46.
1. Reprenons lexemple vu precedemment : f (x, y) = xy + 4 et P (0, 0).
On a vu
fx = y
fxx = 0 = fyy
0 1
=
=
Hf =
= Hf (0, 0)
fy = x
fxy = 1 = fyx
1 0
et donc detHf (0, 0) = 1 < 0. Le point (0, 0) est un point selle. Conforme `a ce que lon
avait dej`a trouve.
2. f (x, y) = x3 + 3xy 2 15x 12y + 30. Alors
fx = 3x2 + 3y 2 15
fy = 6xy 12
Les points stationnaires sont les solutions du syst`eme
(
2
4
4
+ y2 = 5
x + y2 = 5
y 5y 2 + 4 = 0
3x2 + 3y 2 15 = 0
y2
2
x= y
x = y2
6xy 12 = 0
x = y2
ce qui donne y 2 = 4 ou y 2 = 1. Les points stationnaires sont donc
P1 (1, 2)
P2 (1, 2)
Calculons maintenant Hf :
fxx = 6x
fxy = 6y = fyx
fyy = 6x
P3 (2, 1)
P4 (2, 1)
Hf (x, y) =
6x 6y
6y 6x
Point P1 :
Hf (1, 2) =
6 12
12 6
6 12
Hf (1, 2) =
12 6
= P2 est un point selle.
Point P3 :
12 6
Hf (2, 1) =
6 12
Tr(Hf ) = 24 > 0
191
12 6
Hf (2, 1) =
=
6 12
Tr(Hf ) = 24 < 0
3
3
1
f (x, y, z) = x2 y x2 + xyz xz + 2x y 2 + y z 2
2
2
2
(i) Verifier que le point P (1, 1, 0) est un point stationnaire.
(ii) Etudier sa nature.
(i)
fx = xy 3x + yz z + 2
1
3
fy = x2 + xz 2y +
2
2
fz = xy x 2z
= fx (1, 1, 0) = 0
= fy (1, 1, 0) = 0
= fz (1, 1, 0) = 0.
On a bien f (1, 1, 0) = 0 .
(ii)
fxx = y 3
fyy = 2
fxy = x + z
fxz = y 1
fzz = 2
fyz = x
y3 x+z y1
2 1
0
x
Hf (1, 1, 0) = x + z 2
= 1 2 1 =: A
P (1, 1, 0)
y1
x
2
0
1 2
Il faut calculer les valeur propres de A :
det(I3 A) = 0
+ 2 1
0
1 + 2 1 = 0
0
1
+2
( + 2)3 ( + 2) ( + 2) = 0
(Sarus)
3 + 62 + 10 + 4 = 0
1 = 2 est une solution et par factorisation, on obtient
3 + 62 + 10 + 4 = ( + 2)(2 + 4 + 2) = 0
= 2,3 = 2 2.
Les 3 valeurs propres etant < 0, le point P (1, 1, 0) est un maximum local.
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
192
7.6
7.6.1
Th
eor`
eme des fonctions implicites
Exemple
Fx (x, f (x))
.
Fy (x, f (x))
Exemple : soit
F (x, y) = x2 + ey + 2x = 0.
Alors
y = f (x) = ln(x2 2x)
pour x ] 2; 0[.
2x 2
.
x2 2x
Calcul implicite : Fx = 2x + 2 et Fy = ey . Alors
Calcul direct : y 0 = f 0 (x) =
f 0 (x) =
Fx
2x + 2
2x + 2
=
.
= 2
Fy
ey
x 2x
2) Dans le cas general, il nest pas possible de calculer y = f (x). Mais, si lon suppose que
localement - sur un ouvert contenant P (x0 , y0 ) - il existe y = y(x) alors on a vu au chapitre
4 quon peut deriver la relation F (x, y) = 0 par rapport `a x (derivee droite) pour trouver
y 0 P . Ceci donne
Fx (x0 , y0 ) + Fy (x0 , y0 ) y 0 (x0 , y0 ) = 0
Fx (x0 , y0 )
y 0 P =
Fy (x0 , y0 )
Fx = 2x
Fy = 2y
On obtient ainsi
x0
2x0
=
y 0 P =
2y0
y0
pour P (x0 , y0 )
`
7.6. THEOR
EME
DES FONCTIONS IMPLICITES
193
Sans calculer explicitement y = y(x) on peut donc trouver la derivee y 0 (x0 ) en tout point
(x0 , y0 ). Lequation de la tangente `a au point P (x0 , y0 ) est alors
Fx P
0
y = y P (x x0 ) + y0 = (x x0 ) + y0
Fy P
ce qui donne
Equation de la tangente en P :
Fx P (x x0 ) + Fy P (y y0 ) = 0
7.6.2
Cas g
en
eral
Soit
F (x1 , . . . , xn ) = 0
une equation `a n variables.
Les resultats precedents se generalisent de la facon suivante.
Premi`erement, le theor`eme suivant affirme que, localement, et sous certaines hypoth`eses, il
est possible de resoudre lequation en fonction dune variable, par exemple xn = f (x1 , . . . , xn1 ).
Secondement, il affirme que les derivees partielles de f (x1 , . . . , xn1 ) se calculent `a partir
des derivees partielles Fxi comme precedemment.
Th
eor`
eme 7.47 (Theor`eme des fonctions implicites). Soit
D Rn un ouvert,
F : D R une fonction de classe C 1 et
a = (a1 , . . . , an ) D un point satisfaisant F (a) = 0.
On suppose que Fxn (a) 6= 0.
Posons a
= (a1 , . . . , an1 ) Rn1 .
Alors il existe un ouvert U Rn1 contenant a
et une fonction `
a n1 variables f : U R
satisfaisant :
1. le graphe de f est contenu dans D :
(x1 , . . . , xn1 , f (x1 , . . . , xn1 )) D
2. f (a1 , . . . , an1 ) = an
3. F (x1 , . . . , xn1 , f (x1 , . . . , xn1 )) = 0 pour tout (x1 , . . . , xn1 ) U
4. la fonction f est de classe C 1 et
fxi =
Fxi
Fxn
i {1, . . . , n 1}
194
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
Remarque 7.48. La condition Fxn (a) 6= 0 est essentielle. Cependant si Fxn (a) = 0 mais
que Fxk (a) 6= 0 pour un certain k =
6 n, alors le resultat est vrai pour xk cest-`
a-dire quil
existe une fonction f avec
xk = f (x1 , . . . , xk1 , xk+1 , . . . xn )
On explicite xk au lieu de xn .
En revanche, si Fxi (a) = 0 pour tout i = 1, . . . , n (le point a est un point stationnaire),
le theor`eme nest plus vrai et il est impossible dexpliciter une variable xi en fonction des
autres.
Alors
Fx = 2x
Fy = 2y
p
1 y2 .
p
Si P = (1, 0), on trouve x = 1 y 2 .
2. Reprenons la courbe dej`a etudiee au chapitre 5 :
F (x, y) = x4 xy 2 + y 3 = 0
`
7.6. THEOR
EME
DES FONCTIONS IMPLICITES
195
(t) =
x(t)
y(t)
Fx = 4x3 y 2
Fy = 2xy + 3y 2
t2 t3
t3 t4
Fx (0, 0) = 0
Fy (0, 0) = 0
Ainsi F (0, 0) = 0. Le point (0, 0) est un point stationnaire de F (x, y). Le theor`eme ne
peut pas sappliquer : il est impossible decrire y = f (x) ou x = g(y) autour de (0, 0). Il
y a un dedoublement.
x x0
z = f (x0 , y0 ) + f (x0 , y0 )
= f (P ) + fx (P ) (x x0 ) + fy (P ) (y y0 )
y y0
Or le theor`eme des fonctions implicites donne fx et fy :
fx (P ) =
Fx (P )
Fz (P )
et
fy (P ) =
Fy (P )
Fz (P )
Fy (P )
Fx (P )
(x x0 )
(y y0 )
Fz (P )
Fz (P )
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
196
n = Fx (P ) Fy (P ) Fz (P ) = F (P )
Le gradient F est donc bien orthogonal `a la surface de niveau NF (0) = .
De mani`ere generale si une hyper-surface est donnee par lequation
F (x1 , . . . , xn ) = 0
alors lequation de lhyper-plan tangent `a passant par a = (a1 , . . . , an ) est
Fx1 (a) (x1 a1 ) + Fx2 (a) (x2 a2 ) + + Fxn (a) (xn an ) = 0
qui secrit aussi
x1 a1
..
F (a)
=0
.
xn an
Exemples 7.50.
1. Considerons lellipsode
: F (x, y, z) = 3x2 + 6y 2 + z 2 36 = 0.
Alors
Fx = 6x
Fy = 12y
Fz = 2z
6x + 24y + 6z = 72.
2. Considerons la surface
() :
et le point P (2,
xyz = 1
1
, 3) . Alors, en notant F (x, y, z) = xyz 1, on a
6
Fx = yz
Fx (P ) = 12
Fy = xz
Fy (P ) = 6
=
Fz = xy
Fz (P ) = 13
1
1
1
(x 2) + 6 y
+ (z 3) = 0.
2
6
3
7.7
7.7.1
On desire trouver le maximum (ou minimum) dune fonction f (x1 , . . . , xn ) sur un domaine
D avec la contrainte g(x1 , . . . , xn ) = 0. On suppose que g(x) 6= 0 sur D.
1`ere methode : si lon peut expliciter
xn = g(x1 , . . . , xn1 ),
alors
f (x1 , x2 , . . . , xn ) = f (x1 , x2 , . . . , xn1 , g(x1 , . . . , xn1 )) = (x1 , . . . , xn1 )
et on cherche les extremums de .
2`eme methode : si lon peut trouver une parametrisation de la courbe g(x1 , . . . , xn ) = 0 de
la forme
x1 = x1 (t)
..
() :
.
xn = xn (t)
alors f (x1 , . . . , xn ) = f (x1 (t), . . . , xn (t)) = (t) et on cherche les extremums de .
3`eme methode : si aucune des 2 methodes ne marche, on utilise un multiplicateur de
Lagrange.
Cette methode consiste `a resoudre le syst`eme dequations en x D :
f (x) g(x) = 0
g(x) = 0
(a1 , , an1 ) = an
g(x1 , . . . , xn1 , (x1 , . . . , xn1 )) = 0
x U
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
198
avec
(
a) =
xi
g
xi (a)
g
xn (a)
pour tout i = 1, . . . , n 1
Posons alors
F (x1 , . . . , xn1 ) = f (x1 , . . . , xn1 , (x1 , . . . , xn1 )).
f
f
F
(
a) =
(a) +
(a)
(
a)
xi
xi
xn
xi
g
!
f
f
xi (a)
=
(a) +
(a) g
xi
xn
x (a)
f
! n
(a)
f
g
n
=
(a) + x
(a)
g
xi
x
i
(a)
pour tout i = 1, . . . , n 1
xn
f
n
En posant = x
g
(a)
xn (a)
0=
, on obtient
g
f
(a) +
(a)
xi
xi
pour tout i = 1, . . . , n 1, n
ATTENTION : f (a) + g(a) = 0 est une condition necessaire mais pas suffisante. Il faut
donc verifier que la solution cherchee est bien un extremum.
Exemples 7.52.
1) Trouver le maximum et le minimum de la fonction
f (x, y) = x2 + 4y 2 x + 2y
sur le bord de lellipse x2 + 4y 2 = 1.
Solution : la condition est g(x, y) = x2 + 4y 2 1 = 0. Alors
f =
2x 1
8y + 2
g =
2x 1 + 2x = 0
8y + 2 + 8y = 0
2
x + 4y 2 1 = 0
ou
2( + 1)x = 1 (I)
4(1 + )y = 1 (II)
2
x + 4y 2 =
1
2x
8y
4( + 1)2 (x2 + 4y 2 ) = 2
x2 + 4y 2
=1
ce qui donne
2
4( + 1) = 2
p
+ 1 = 1/2
r
=
= 1
1
.
2
et
1
1
Q( , ).
2 2 2
y + 2z + yz
x + 2z + xz
2x + 2y + xy
xyz
= 0
(I)
= 0 (II)
= 0 (III)
= V (IV )
x + 2z + xz = 0 (II)
4 + x
= 0 (III)
2
x z
= V (IV )
(II) (III) z donne x 2z = 0 donc x = 2z. Finalement (IV ) devient 4z 3 = V ce qui
donne
r
3
3 V
z=
x = y = 2z = 2V .
4
200
7.7.2
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
Contraintes multiples
g1 (x) = 0
g2 (x) = 0
..
gm (x) = 0
on resoud le syst`eme
m
X
f
(x)
+
j gj (x) = 0
j=1
g1 (x) = 0
..
gm (x) = 0
g1 (x, y, z) = x2 + y 2 2 = 0
g2 (x, y, z) = x + z 1
Comme
f (x, y, z) = (1
1)
g1 (x, y, z) = (2x 2y
0)
g2 (x, y, z) = (1 0
1) ,
1 + 1 2x + 2
1 + 1 2y
1 + 2
x2 + y 2
x+z
=
=
=
=
=
0
(I)
0 (II)
0 (III)
2 (IV )
1
(V )
P (0, 2, 1)
et
Q(0, 2, 1).
7.8
7.8.1
201
Fonctions de Rn dans Rm
Gradient
f1 (x1 , . . . , xn )
f2 (x1 , . . . , xn )
f (x1 , . . . , xn ) =
..
.
fm (x1 , . . . , xn )
La fonction fk : D R est la i-`
eme composante de f .
Limage dun point x sera vue comme un vecteur-colonne.
D
efinition-Proposition 7.53. Soit D un ouvert de Rn et f : D Rm une fonction.
La fonction f est continue (resp. derivable, resp. de classe C 1 ) si toutes ses composantes
fk : D R sont continues (resp. derivables, resp. de classe C 1 ).
Exemples 7.54.
1. Si n = 1, on retrouve les courbes dej`
a etudiees : I Rm .
2. Si m = 1, on retrouve les fonctions reelles `a plusieurs variables f : D R.
3. La fonction f : R2 R2 definie par
f (x, y) =
x2 + 2y
2x + sin y
2x + 5y 4
(x, y) 7
5x
D
efinition 7.55. Soit D Rn un ouvert, f : D Rm une fonction derivable et x D.
La matrice m n
f1 (x)
f2 (x) f
i
f (x) =
(x)
=
..
1im
xj
.
fm (x)
1jn
202
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
Remarques :
1. si f : D R (m = 1), la matrice est un vecteur-ligne et on retrouve le gradient definit
dans la section 7.4.1.
2. Dans le cas dune courbe
: I Rm
x1 (t)
x2 (t)
t 7
..
xm (t)
on a alors n = 1 et le gradient de est un vecteur-colonne qui nest rien dautre que le
vecteur tangent :
(t) = (t).
Exemples 7.56.
1. Considerons la fonction de R3 dans R2 :
2
x y + 2yz + sin x
f (x, y, z) =
xyz + 2x
Le gradient de f en (x, y, z) est une matrice 2 3 :
2xy + cos x x2 + 2z 2y
f (x, y, z) =
.
yz + 2
xz
xy
2. Le gardient de la fonction identite IdRn : Rn Rn est la matrice identite In .
R`
egle de composition
Soit D Rn , U Rm deux ouverts, f : D Rm et g : U Rl deux fonctions de classe
C 1 . Supposons que f (D) U . Alors la fonction composee
g f : D Rl
est de classe C 1 et son gradient est donne par
(g f )(a) = g(f (a)) f (a)
|
{z
} | {z } | {z }
ln
lm
pour tout a D.
mn
203
x1 = f1 (u1 , . . . , un )
x2 = f2 (u1 , . . . , un )
..
xm = fm (u1 , . . . , un )
Si lon note x = f (u), alors la formule precedente secrit
Du1 f1
Du1 f2
..
.
Du2 f1
Du2 f2
..
.
..
.
Dun f1
Dun f2
..
.
Notation physique
Si
L = L(x, y, z)
on notera, par abus :
et
x = x(u, t)
y = y(u, t)
z = z(u, t)
L
= Lu = Lx xu + Ly yu + Lz zu
u
et
Lt = Lx xt + Ly yt + Lz zt
1
h1 (y) = h(h1 (y))
204
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
h(, ) =
cos
sin
x2 +y 2
1
h (x, y) =
=
arctan xy
On a
h =
et
x x
y y
x y
x y
cos sin
sin cos
h1 =
x
2
y
x2 +y
2
y2
x2 +y 2
cos
sin
x2 +y 2
x
x2 +y 2
sin
cos
7.8.2
Coordonn
ees polaires
Soient
x = x(, ) = cos
y = y(, ) = sin
x x
cos sin
h =
=
y y
sin cos
Soit f (x, y) une fonction reelle `a 2 variables.
Posons
f(, ) = f (h(, )) = f (x(, ), y(, )).
Cest la fonction f exprimee en coordonnees polaires. Parfois, par abus de langage, on
identifie f et f.
On definit egalement
fx (, ) = fx (x(, ), y(, ))
Cest la derivee partielle de f selon x mais exprimee en coordonnees polaires. De meme, on
pose fy = fy h ce qui se resume par
x,y f = (fx
fy ) = f h.
205
(f f ) = (fx fy )
cos sin
sin cos
{z
}
|
=h
1
cos sin
(fx fy ) = (f f )
sin cos
sin() f + 1 cos() f
= cos() f f1 sin() f
ce qui donne
fx = cos f
sin f
fy = sin f +
cos f
(7.4)
Ces 2 formules permettent donc de calculer les derivees partielles selon x et y dune fonction
donnee en coordonnees polaires.
Exemple 7.57. Considerons la fonction f(, ) = 22 en coordonnees polaires. Calculons
le gradient de f selon x, y. On a
f = 4 et f = 0 ce qui donne, en appliquant la formule (7.4)
1
sin f = cos 4 0 = 4 cos
1
fy = fy = sin f + cos f = sin 4
fx = fx = cos f
sin ).
206
` PLUSIEURS VARIABLES
CHAPITRE 7. CALCUL DIFFERENTIEL
A
Coordonn
ees cylindriques
Considerons le changement de coordonnees
x = cos
y = sin
z=z
Ceci definit une fonction h : R3 R3 en posant h(, , z) = (x, y, z). Sa matrice jacobienne
est
cos sin 0
x x xz
h = y y yz = sin cos 0 .
0
0
1
z z zz
On a det(h) = . Ainsi si 6= 0 la matrice h est inversible :
cos sin 0
1
h1 = sin cos 0 .
0
0
Soit f (x, y, z) une fonction `a 3 variables et f(, , z) la fonction correspondante en coordonnees cylindriques. En posant comme precedemment
x,y,z f = f h
et en notant ,,z f au lieu de f, on obtient
f = [f h] h = x,y,z f h.
ou encore
x,y,z f = ,,z f h1
ce qui donne
fx = f cos f
sin
fy = f sin + f
cos
fz = fz
Coordonn
ees sph
eriques
Considerons le changement de coordonnees :
x = r cos sin
y = r sin sin
z = r cos
r > 0, 0 2
Ceci definit une fonction h : R3 R3 en posant h(r, , ) = (x, y, z). Sa matrice jacobienne
est
r cos r sin 0
1
sin cos 0
h1 = 2
r sin
0
0
r
et on calcule, comme ci-dessus
x,y,z f = r,, h1 .
207